Synergistic impact of Cu and support materials in Ni-based catalysts for glycerol hydrogenolysis to 1,2-propanediol
Notice bibliographique
Résumé
Selective hydrogenolysis of glycerol to 1,2-propanediol (1,2-PD) represents an essential evaluating process for the valorization of glycerol. In this research, a series of Ni- and Ni–Cu-based catalysts supported on SiO2, SiO2–Al2O3, and titanium (IV) oxide (TiO2), were prepared via the sequential wetness impregnation approach and evaluated for their performance in glycerol hydrogenolysis. The results indicated that the 25Ni-10Cu/TiO2 catalyst exhibited strong catalytic efficiency in glycerol hydrogenolysis, showing 72.9% conversion of glycerol and 85.8% selectivity to 1,2-PD (62.5% yield) after 24 h reaction time. This enhanced performance is attributed to the optimal balance and synergy between the acidity of the support and the active metal sites, promoting both dehydration and hydrogenation reactions. The presence of Cu in the catalyst system was found to significantly enhance glycerol hydrogenolysis while inhibiting unwanted side reactions. In contrast, monometallic Ni/SiO2 demonstrated the lowest conversion of glycerol (33.8%) at 24 h, while bimetallic Ni–Cu/SiO2 and Ni–Cu/SiO2–Al2O3 catalysts exhibited high activity, with glycerol conversion rates exceeding 91%. These findings demonstrate that incorporation of Ni with Cu is essential for optimizing both catalytic efficiency and selectivity, particularly when combined with supports like TiO2.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».