Synergistic Cu‐Zn/Fly Ash Catalysts for Intensified Sorption‐Enhanced CO <sub>2</sub> Hydrogenation to CO Through the RWGS Reaction
Notice bibliographique
Résumé
Abstract The reverse water–gas shift (RWGS) reaction is one of the most direct approaches for converting CO 2 into CO, thereby enabling syngas production for downstream synthesis. Yet, its equilibrium limitations restrict CO yield under typical operating conditions, reducing overall process efficiency. Sorption‐enhanced reverse water–gas shift (SERWGS) is a promising intensified approach for syngas production while minimizing environmental impact, significantly increasing the yield of target products (CO) compared to conventional processes. Here, fly ash (FA) was investigated as a catalytic support to develop a novel Cu–Zn catalyst. Alkali/acid pretreatment on FA was very efficient in increasing specific surface area and porosity, promoting effective Cu/Zn dispersion. 15Cu‐7.5 Zn/FA Na–H catalyst prepared via deposition‐precipitation achieved the best performance (26.2% CO 2 conversion and 97.5% CO selectivity at 350 °C). Incorporating zeolitic adsorbents revealed that LTA‐4A provided superior intensification compared to FAU‐13X, enhancing the maximum CO 2 conversion by 131%, and effectively surpassing the thermodynamic limit of the conventional (non‐intensified) process, at 250 °C. These results highlight the combined role of optimized catalyst formulation and selective adsorbents in enhancing RWGS performance and provide key insights for the development of intensified RWGS processes that overcome thermodynamic limitations, offering valuable guidance for future research on sorption‐enhanced CO 2 conversion via catalytic hydrogenation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».