Phyto‐synthesis of magnetic CuFe <sub>2</sub> O <sub>4</sub> catalyst using pitaya peel extract for the selective persulphate‐driven oxidation of benzyl alcohol at room temperature
Notice bibliographique
Résumé
Abstract The development of heterogeneous catalysts for the selective oxidation of benzyl alcohol to high‐value benzaldehyde under mild conditions remains a highly desirable research area. To address this, magnetic CuFe 2 O 4 catalysts were synthesized for the first time via an eco‐friendly sol–gel method utilizing pitaya peel extract as a green agricultural resource at various calcination temperatures. The experimental results revealed that the synthesized CuFe 2 O 4 microparticles effectively activated Na 2 S 2 O 8 in aqueous solution, enabling the efficient conversion of benzyl alcohol to benzaldehyde at room temperature (30°C). Among the samples, the catalyst calcined at 900°C demonstrated superior performance, attributed to the optimized distribution of Cu 2+ and Fe 3+ ions in tetrahedral sites and an increased concentration of hydroxyl groups on the catalyst surface. After 24 h of reaction, this catalyst achieved a benzyl alcohol conversion of 80.94% and a benzaldehyde selectivity of 86.31%, with a pseudo‐second‐order reaction rate constant of 4.69 mol L −1 h −1 . However, at higher calcination temperatures, the catalytic activity declined due to the particle growth and reduced surface metal content. Furthermore, all CuFe 2 O 4 samples demonstrated strong ferromagnetic properties, allowing for easy recovery and reuse, thereby highlighting their potential as sustainable catalysts for benzaldehyde synthesis.
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 ».