MétaCan
Menu
Retour à la cohorte
Enregistrement W2604299466 · doi:10.1149/ma2017-01/17/1028

(Invited) Nanotip-Defined High Local Electric Fields Accelerate CO<sub>2</sub> Reduction Heterogeneous Catalysts

2017· article· en· W2604299466 sur OpenAlexaff
Min Liu, Edward H. Sargent

Notice bibliographique

RevueECS Meeting Abstracts · 2017
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésElectrolyteFaraday efficiencyElectrochemistrySelectivityElectric fieldCatalysisReagentCurrent densityElectrochemical reduction of carbon dioxideElectrodeAqueous solutionReduction (mathematics)ChemistryMaterials scienceChemical engineeringNanotechnologyCarbon monoxidePhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The electrochemical reduction of carbon dioxide (CO2) provides a promising path towards the storage of renewable energy and to the sustainable synthesis of carbon-based chemical feedstocks. A key challenge for such a process is the low activity and selectivity of the CO2 reduction reaction (CO2RR). It is intensely desired to reduce CO2 at low overpotentials, generating desired products at high current densities over extended periods, and reacting selectively without the formation of undesired byproducts. However, CO2RR today is hindered by the low local concentration of CO2 in aqueous electrolytes, in which more kinetically favorable reduction of protons to H2 often outcompetes CO2RR, eroding reaction selectivity. We developed a field-induced reagent concentration (FIRC) method to enhance the CO2RR process. Through shaping electrodes into arrays of nanoneedles, we generated a high local electric field even when using low applied overpotentials. The high field concentrates electrolyte cations, and the cations bring with these a high local concentration of CO2 to the active CO2RR surface. Simulations revealed that 10-fold higher electric fields can be achieved on nanometrically sharp tips compared to that of quasi-planar regions. Utilizing bottom-up synthesized gold nanoneedle electrodes, record-low onset potential and record-high geometric current density at the low potential of −0.35 V with nearly quantitative (>95%) Faradaic efficiency (FE) for CO2 reduction to CO conversion were achieved (1). This current density surpasses by an order of magnitude the performance of the best previously-reporeted gold nanorods, nanoparticles, and oxide-derived noble metal catalysts. The nanoneedle electrodes exhibited robust continuous reactions over 8 hours in an inorganic aqueous electrolyte. The FIRC concept has also be leveraged to build other metal nanoneedles and metal or metal sulfide covered gold nanoneedles. These electrodes exhibit much enhanced CO2to hydrocarbon conversion efficiencies, proving the wider application of the FIRC concept. References: (1) M. Liu, Y. Pang, B. Zhang, P. D. Luna, O. Voznyy, J. Xu, X. Zheng, C. T. Dinh, F. Fan, C. Cao, F. P. Arquer, T. S. Safaei, A. Mepham, A. Klinkova, E. Kumacheva, T. Filleter, D. Sinton, S. O. Kelley, E. H. Sargent, Nature, 2016, 537, 382.

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 enseignants0,005
Score d'incertitude au seuil0,016

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)0,0050,002

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 Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,231 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207