Biomass derivatives in heterogeneous catalysis : adsorption, reactivity and support from first principles
Notice bibliographique
Résumé
Dérivés de la biomasse en catalyse hétérogène : adsorption, réactivité et support depuis les premiers principes L’abandon progressif des ressources fossiles s’accompagne de l’exploitation croissante de la biomasse. Cette transition nécessite de développer de nouveaux procédés notamment en catalyse hétérogène. Les chimistes se heurtent alors à deux défis majeurs : (i) désoxygéner la biomasse (cellulose/lignine) pour revenir à la chimie maîtrisée des grands intermédiaires (ii) rendre les catalyseurs résistants à l’eau, omniprésente en biomasse. En collaboration avec des expérimentateurs de l’Université d’Ottawa, nous nous sommes d’abord intéressés à la désoxygénation d’aromatiques de type lignine. Les calculs ab initio (DFT) nous ont permis de dresser les caractéristiques d’adsorption de ces composés sur Pt(111) en termes de descripteurs moléculaires simples. Nous avons ensuite étudié le mécanisme de décomposition de l’anisole et du 2-phénoxyéthanol, molécules modèles. Nos études ont montré l’importance de l’hydrogène et des fragments carbonés sur la réaction de désoxygéna6on de ces composés. En parallèle nous nous sommes intéressés à la stabilité, dans l’eau, d’un des supports catalytiques majeurs : l’alumine-γ. Ce sujet clé pose des défis considérables en modélisation, puisqu’il nécessite d’utiliser des méthodes de dynamiques moléculaires ab initio. Celles-ci nous ont permis de caractériser la structuration de l’eau au contact de l’alumine et l’importance de la solvatation sur les aluminols de surface. À l’aide de méthodes d’événements rares (dynamique contrainte, métadynamique) nous avons enfin abordé la réactivité d’alcools et de l’eau avec l’alumine hydratée. Ces simulations ont permis d’identifier les premières étapes d’hydratation et de mieux comprendre comment les limiter.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».