项目名称: 稀土-碱金属杂双金属配合物的设计合成及其在均相催化反应中的应用

项目编号: No.20972107

项目类型: 面上项目

立项/批准年度: 2010

项目学科: 数理科学和化学

项目作者: 沈琪

作者单位: 苏州大学

项目金额: 35万元

中文摘要: 设计合成含胍基、脒基、烷氧基等不同配体的新型稀土-碱金属杂双金属配合物和簇合物,测定典型配合物的分子结构。研究它们在催化内酯开环聚合、甲基丙烯酸甲酯等极性单体聚合及醛与胺酰胺化反应、腈与胺脒化反应等C-N键形成反应中的催化活性。考察配体结构、配合物结构、配体中稀土碱金属比例以及稀土和碱金属的性质对催化反应活性及选择性的影响规律。试图分离反应活性中间体以期进一步了解双金属配合物在催化反应中的协同效应。为设计合成高效高活性双金属催化剂提供理论依据,进一步拓宽稀土金属配合物在均相催化反应中的应用范围。

中文关键词: 稀土碱金属双金属配合物;合成;结构;;

英文摘要:

英文关键词: heterobimetallic complexes;synthesis;structure;;

成为VIP会员查看完整内容
0

相关内容

【Chen Guanyi博士论文】汉语名词短语的计算生成,282页pdf
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
数据价值释放与隐私保护计算应用研究报告,64页pdf
专知会员服务
39+阅读 · 2021年11月29日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
211+阅读 · 2021年8月2日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
21+阅读 · 2021年3月9日
机器直觉
专知会员服务
26+阅读 · 2020年11月22日
【KDD2020-阿里】可调控的多兴趣推荐框架
专知会员服务
28+阅读 · 2020年8月11日
你在网上抽奖中过什么电子产品吗?
ZEALER订阅号
0+阅读 · 2022年1月16日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
【材料课堂】TEM复杂电子衍射花样的标定原理
材料科学与工程
39+阅读 · 2019年4月12日
高分子材料领域的十大院士!
材料科学与工程
19+阅读 · 2018年9月18日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
The Importance of Credo in Multiagent Learning
Arxiv
1+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月15日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关主题
相关VIP内容
【Chen Guanyi博士论文】汉语名词短语的计算生成,282页pdf
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
数据价值释放与隐私保护计算应用研究报告,64页pdf
专知会员服务
39+阅读 · 2021年11月29日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
211+阅读 · 2021年8月2日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
21+阅读 · 2021年3月9日
机器直觉
专知会员服务
26+阅读 · 2020年11月22日
【KDD2020-阿里】可调控的多兴趣推荐框架
专知会员服务
28+阅读 · 2020年8月11日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
The Importance of Credo in Multiagent Learning
Arxiv
1+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月15日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Arxiv
11+阅读 · 2018年4月25日
微信扫码咨询专知VIP会员