MétaCan
Menu
Retour à la cohorte
Enregistrement W2725848039 · doi:10.1021/acscentsci.7b00207

Electrolytic CO<sub>2</sub> Reduction in Tandem with Oxidative Organic Chemistry

2017· article· en· W2725848039 sur OpenAlexafffund
Tengfei Li, Yang Cao, Jingfu He, Curtis P. Berlinguette

Notice bibliographique

RevueACS Central Science · 2017
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanadian Institute for Advanced Research
Mots-clésOverpotentialAnodeElectrolyteChemistryElectrochemistryFaraday efficiencyInorganic chemistryCathodeElectrode

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Electrochemical reduction of CO 2 into carbon-based products using excess clean electricity is a compelling method for producing sustainable fuels while lowering CO 2 emissions. Previous electrolytic CO 2 reduction studies all involve dioxygen production at the anode, yet this anodic reaction requires a large overpotential and yields a product bearing no economic value. We report here that the cathodic reduction of CO 2 to CO can occur in tandem with the anodic oxidation of organic substrates that bear higher economic value than dioxygen. This claim is demonstrated by 3 h of sustained electrolytic conversion of CO 2 into CO at a copper–indium cathode with a current density of 3.7 mA cm –2 and Faradaic efficiency of >70%, and the concomitant oxidation of an alcohol at a platinum anode with >75% yield. These results were tested for four alcohols representing different classes of alcohols and demonstrate electrolytic reduction and oxidative chemistry that form higher-valued carbon-based products at both electrodes.

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)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,008
Tête enseignante GPT0,239
Écart entre enseignants0,232 · 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

Citations120
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Central ScienceMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207