Bifunctional hydrogen buffer catalytic system forenhanced hydrodeoxygenation of guaiacol under mild conditions
Notice bibliographique
Résumé
Developing stable, high-performance catalysts for hydrodeoxygenation (HDO) reactions under mild conditions is crucial for advancing biomass conversion into high-value chemicals. This study introduces a bifunctional catalytic system consisting of a glucose-modified Ni-MOF-74-derived carbon catalyst (Ni/C-G) and silicotungstic acid (SiW 12 ) as a hydrogen buffer and carrier. Compared to phosphotungstic acid (PWA) and phosphomolybdic acid (PMO), SiW 12 exhibits superior performance, attributed to its reversible redox cycle, stability, and efficient hydrogen transfer capacity. The glucose modification of Ni-MOF-74 enhances the dispersion of nickel nanoparticles (Ni NPs), reduces agglomeration, enhances the hydrogen spillover, and introduces additional porosity while forming protective carbon layers (∼3.072 nm thick) around the active Ni NPs. These layers stabilize the catalyst in aqueous environments, enabling consistent catalytic performance over five cycles without activity loss. The system achieved a guaiacol HDO conversion of 74.93 % and cyclohexanol selectivity of 66.03 % under mild reaction conditions (95 °C, 1 MPa H 2 , 1 h). The key reaction pathways for SiW 12 -induced HDO, including demethoxylation and aromatic ring hydrogenation, facilitate selective cyclohexanol production. The synergistic interaction between Ni/C-G and SiW 12 boosts hydrogen transfer and enhances the catalyst’s stability, making this system a highly effective solution for upgrading bio-oil and enabling sustainable biomass conversion under mild conditions.
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 | 0,000 | 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 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 ».