Trade‐offs in stability and activity: A study of ordered mesoporous alumina and γ‐Al <sub>2</sub> O <sub>3</sub> supported Ni catalysts for CO <sub>2</sub> methanation
Notice bibliographique
Résumé
Abstract A series of K‐Ni‐γ‐Al 2 O 3 samples containing 15 wt.% Ni and varying potassium loadings (0–10 wt.%) were synthesized via incipient wetness impregnation and evaporation‐induced self‐assembly (EISA) for CO 2 methanation. The latter method resulted in ordered mesoporous alumina (OMA) catalysts exhibiting superior CO 2 conversion, CH 4 selectivity, and thermal stability compared to their γ‐Al 2 O 3 ‐supported counterparts. The 0.5K15NiOMA catalyst demonstrated the highest performance, achieving 85% CO 2 conversion at 450°C under atmospheric pressure, 15% higher than the unpromoted 15NiOMA catalyst. Under high‐pressure conditions (450°C, 9 atm, and 180 L N g cat −1 h −1 GHSV), the 0.5K15NiOMA catalyst achieved a CO 2 conversion of 94%. Long‐term stability tests over 150 h at 300°C showed no deactivation, maintaining a stable CO 2 conversion of 38% and CH 4 selectivity of 84%. In contrast, γ‐Al 2 O 3 ‐supported catalysts demonstrated higher turnover frequencies despite their lower methane reaction rates. For example, at 350°C, 0.5K15Ni/Al 2 O 3 achieved a TOF of 1.00 s −1 , almost double than its unpromoted counterpart and over double the TOF of 0.5K15NiOMA. This suggests that the higher surface availability of potassium in impregnated catalysts enhances CO 2 adsorption, compensating for the partial blockage of nickel sites. These results highlight the trade‐offs between stability and activity, with OMA supports excelling in long‐term high‐temperature applications and γ‐Al 2 O 3 supports offering a cost‐effective solution with simpler preparation methods for large‐scale CO 2 methanation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 tête enseignante, 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 ».