Surface and Catalytic Properties of Molten In–Sn and In–Ni for Methane Dry Reforming and Pyrolysis
Notice bibliographique
Résumé
Molten metals have been recently shown as promising catalysts for the pyrolysis and dry reforming of methane. Herein, we examine the surface properties of molten In–Sn and In–Ni alloys and their influence on the catalytic performance. In–Sn shows higher CO 2 and CH 4 conversions than either pure In or pure Sn, whereas In–Ni has higher conversions for CO 2 than pure In. To understand the reason for this, we quantified the surface composition using surface tension measurements and ab initio molecular dynamics (AIMD) simulations. We find that In–Sn has similar surface compositions to its bulk, whereas In–Ni has heavily enriched In surfaces. Density functional theory calculations indicate that both Sn and Ni modify the electronic state of In, which is supported by XPS measurements. A qualitative correlation is identified between the surface charge on In and measured activity. Accumulation experiments showed minimal oxygen uptake at the steady state for both In–Sn and In–Ni systems. AIMD simulations are performed to understand the nature of intermediate oxygen and carbon species formed during the reaction and their effect on the surface composition of the alloy. The findings in this work highlight the crucial role of alloying elements in tuning catalyst surfaces, demonstrating the role of electronic effects, oxidation behavior, and intermediate accumulation.
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) | 0,001 | 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 ».