MétaCan
Menu
Retour à la cohorte
Enregistrement W4414245687 · doi:10.1021/acs.nanolett.5c04048

Enhanced Reaction Kinetics of Highly Selective Oxidation of 5-Hydroxymethylfurfural to 2,5-Furandicarboxylic Acid over NiCo<sub>2</sub>S<sub>4</sub>

2025· article· en· W4414245687 sur OpenAlexaff
Linlin Wang, Lin Chen, Ruirui Xu, Mohd Adnan Khan, Jun Zhao, Xinti Yu, Jonas Björk, Johanna Rosén, Jinguang Hu, Zhangxin Chen, Heng Zhao

Notice bibliographique

RevueNano Letters · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesNingbo Municipal People's GovernmentGöran Gustafssons Stiftelse för Naturvetenskaplig och Medicinsk Forskning
Mots-clésAnodeFaraday efficiencyCatalysisYield (engineering)KineticsRenewable energyExergonic reaction

Résumé

récupéré en direct d'OpenAlex

Selective valorization of biomass feedstocks and their derivatives, using renewable electricity to produce value-added chemicals, is a promising route to decarbonize the chemical industry. Herein, we demonstrate the selective production of 2,5-furandicarboxylic acid (FDCA) from the electrocatalytic oxidation of 5-hydroxymethylfurfural (HMF). NiCo 2 S 4 as an anode electrode exhibits almost 100% yield of FDCA with >90% Faradaic efficiency (FE) and high stability at optimized conditions, which outperforms pure NiS x and CoS x . Theoretical calculations reveal that the enhanced reaction kinetics for HMF conversion to FDCA on NiCo 2 S 4 arises from an optimal OH coverage and a more exergonic rate-limiting step compared with its monometallic counterparts. A techno-economic analysis (TEA) for a 100-ton/day FDCA industrial scale production facility reveals that the NiCo 2 S 4 catalyst could drive economic feasibility of the process. This work provides an economically feasible approach to sustainably produce FDCA from HMF oxidation by electrocatalysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,194
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetCatalysis for Biomass ConversionTravaux en français237 207