Селективность прогнозирование для органических

Фундаментом прогнозирования активности, селективности и других специфических свойств катализатора должна стать детальная микроскопическая теория гетерогенного катализа, опирающаяся на современные представления квантовой химии и теории твердого тела. Описывая элементарные акты реакций и превращений вещества на поверхности реального катализатора, такая теория в принципе дает возможность не только в полной мере понять механизм, кинетику и термодинамику катализа, но и предсказать каталитическую способность того или иного металла, полупроводника, диэлектрика в конкретной химической реакции. Однако незавершенность теорий катализа не позволяет однозначно предсказывать оптимальный состав промышленных катализаторов и другие их характеристики для действующих и проектируемых производств. До сих пор решение проблемы подбора катализаторов опирается в значительной мере на эмпирические подходы, сопряженные с большими затратами рутинных форм труда. Так, в поисках первого катализатора для синтеза аммиака было исследовано около 20 тыс. различных веществ [1, 2]. В 1973 г. число известных органических соединений оценивалось в 6 млн. Ежегодно только в нашей стране синтезируется более 40 тыс. новых химических соединений. Таким образом, разработка научно обоснованных целенаправленных стратегий поиска катализаторов представляет актуальную проблему современного катализа. Актуальность проблемы подтверждается еще и тем, что коло 90% промышленных химических и нефтехимических производств ведется с применением катализаторов. [c.56]

Что касается аналитических аспектов информационных возможностей ЯМР, метод становится незаменимым инструментом для выявления взаимосвязи состава, строения и химико-аналитических характеристик при целенаправленном поиске и прогнозировании свойств селективных органических реагентов и их комплексов с металлами. В качестве примера следует обратиться к вопросу о состоянии гидроксамовых кислот в растворах и координационной сфере металлов. [c.735]

При хроматографии не слишком сложных смесей (до 4—6 компонентов) на высокоэффективных колонках выбор состава подвижной фазы очень часто заканчивается уже на стадии оптимизации элюирующей силы. Однако, если число определяемых веществ велико, нарастает вероятность того, что, несмотря на оптимальную элюирующую силу, пики отдельных соединений, окажутся неразделенными. В этой ситуации возникает необходимость оптимизации селективности, т. е. поиска таких компонентов В, которые в большей степени пригодны для разделения данной смеси. Теоретические основы селективности хроматографических систем по отношению к основным функциональным группам органических соединений пока совершенно не разработаны и прогресс здесь, по-вндимому, является перспективой отдаленного будущего. В настоящее время прогнозирование изменений селективности вследствие изменения качественного состава подвижной фазы может быть основано на ряде чисто качественных правил в режиме обращенно-фазовой хроматографии селективность разделения всех веществ, как правило, несколько возрастает с уменьшением элюирующей силы селективность системы по отношению к соединениям, различающимся структурными фрагментами, можно изменить, изменяя концентрации того компонента подвижной фазы, который в наибольшей степени способен к межмолекулярным взаимодействиям с одним из этих структурных фрагментов при хроматографии на силикагеле селективность повышается, если заменить один компонент В на другой, менее полярный, соответственно увеличив концентрацию последнего. [c.309]

Ясно поэтому, что при описании свойств органических ионитов в целом речь может идти лишь о самых общих закономерностях, определяемых общими особенностями строения этих ионитов по сравнению, скажем, с неорганическими. С другой стороны, учитывая общую направленность книги, мы сочли целесообразным, рассматривая эти закономерности, уделить особое внимание вопросу прогнозирования селективности органических ионитов. Этой задаче подчинено изложение результатов моделирования ионообменных систем. Кроме того, поскольку до настоящего времени оптимальная модель органического ионита еще не создана, значительное внимание уделено применению общих термодинамических методов описания равновесия ионит — раствор. Эта часть раздела в некотором смысле является иллюстрацией использования общих соотношений, рассмотренных в разделе 1.1. [c.116]

Материалы, приведенные в предыдущих разделах, показывают, что, например, поверхности г. к. р. являются универсальной характеристикой ионообменных свойств, которая может быть полезной и для прогнозирования селективности ионитов, различающихся содержанием воды, и для оценки влияния увеличения концентрации раствора или изменения состава смещанного водно-органического растворителя на селективность данного ионита. [c.148]

V.2. ТЕРМОДИНАМИКА ИОНООБМЕННЫХ РАВНОЙЕСИЙ И ЗАДАЧИ ПРОГНОЗИРОВАНИЯ СЕЛЕКТИВНОСТИ ОРГАНИЧЕСКИХ ИОНИТОВ [c.133]

Рассматривая в этой главе те возможности, которые открывает использование термодинамики ионообменных равновесий для описания и прогнозирования селективности ионитов, мы использовали в качестве иллюстраций результаты, полученные лищь для одного типа органических ионитов, а именно —для сульфокатионитов. Объясняется это прежде всего меньщей полнотой экспериментальных данных, известных в настоящее время для других ионитов. Тем не менее целесообразно рассмотреть те перспективы, которые открывает использование рассмотренных выше соотношений для систематизации и прогнозирования селективности ионитов различной природы. По необходимости некоторая часть приводимых ниже суждений имеет характер предположений. [c.155]

В качестве модельной реакции была выбрана реакция окисления окиси углерода. Все катализаторы этой реакции были разделены по их каталитической активности на три класса и были вы- браны 22признака, характеризующие различные физико-химические свойства катализаторов. Решение задачи сводилось к отнесению данного катализатора к тому или иному классу по значениям его признаков, а такжек отбраковке коррелируемых признаков и их ориентировке по степени влиятельности. Решение задачи проводилось на ЭВМ Урал-2 . Полученное при этом уравнение принадлежности катализатора к классу оказалось равным 84%. По результатам исследований была составлена таблица прогнозирования каталитической активности 17 необследованных окислов и отобраны наиболее влиятельные признаки. На примере реакции окисления углеводорода разработаны алгоритм для решения задач распознавания и прогнозирования селективности катализаторов в сложных реакциях, а также разработана система количественной оценки свойстг органических молекул и катализаторов, пригодная для кодирования и ввода в машину. [c.474]

Справочник химика 21

Химия и химическая технология