Hydronium-Induced Switching between CO<sub>2</sub> Electroreduction Pathways
Notice bibliographique
Résumé
Over a broad range of operating conditions, many CO2 electroreduction catalysts can maintain selectivity toward certain reduction products, leading to materials and surfaces being categorized according to their products; here we ask, is product selectivity truly a property of the catalyst? Silver is among the best electrocatalysts for CO in aqueous electrolytes, where it reaches near-unity selectivity. We consider the hydrogenations of the oxygen and carbon atoms via the two proton-coupled-electron-transfer processes as chief determinants of product selectivity; and find using density functional theory (DFT) that the hydronium (H3O+) intermediate plays a key role in the first oxygen hydrogenation step and lowers the activation energy barrier for CO formation. When this hydronium influence is removed, the activation energy barrier for oxygen hydrogenation increases significantly, and the barrier for carbon hydrogenation is reduced. These effects make the formate reaction pathway more favorable than CO. Experimentally, we then carry out CO2 reduction in highly concentrated potassium hydroxide (KOH), limiting the hydronium concentration in the aqueous electrolyte. The product selectivity of a silver catalyst switches from entirely CO under neutral conditions to over 50% formate in the alkaline environment. The simulated and experimentally observed selectivity shift provides new insights into the role of hydronium on CO2 electroreduction processes and the ability for electrolyte manipulation to directly influence transition state (TS) kinetics, altering favored CO2 reaction pathways. We argue that selectivity should be considered less of an intrinsic catalyst property, and rather a combined product of the catalyst and reaction environment.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».