MétaCan
Menu
Retour à la cohorte
Enregistrement W2804143778 · doi:10.1021/acsenergylett.8b00519

Elucidating the Reactivity and Mechanism of CO<sub>2</sub> Electroreduction at Highly Dispersed Cobalt Phthalocyanine

2018· article· en· W2804143778 sur OpenAlexfundno aff
Minghui Zhu, Ruquan Ye, Kyoungsuk Jin, Nikifar Lazouski, Karthish Manthiram

Notice bibliographique

RevueACS Energy Letters · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensnon disponible
Organismes subventionnairesCenovus Energy
Mots-clésCobaltPhthalocyanineCatalysisCarbon monoxideElectron transferElectrochemical reduction of carbon dioxideCarbon dioxideElectrochemistryDispersion (optics)Carbon fibersMaterials scienceInorganic chemistryChemistryPhotochemistryChemical engineeringElectrodeNanotechnologyOrganic chemistryPhysical chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Transforming carbon dioxide to carbon monoxide with electrochemical methods allows for small-scale, modular conversion of point sources of carbon dioxide. In this work, through the preparation of a well-dispersed cobalt phthalocyanine model catalyst immobilized on carbon paper, we revealed high turnover frequencies for reducing carbon dioxide at low catalyst loadings, which are obscured at higher loadings due to aggregation. The low catalyst loadings have also enabled mechanistic studies that provide a detailed understanding of the molecular-level picture of how cobalt phthalocyanine facilitates proton and electron transfers in the rate-limiting step. We are able to tune the rate-limiting step from electron transfer to concerted proton–electron transfer, enabling higher rates of carbon dioxide reduction. Our results highlight the significance of dispersion for understanding the intrinsic catalytic performance of metal phthalocyanines for electroreduction of CO 2 .

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 enseignants0,001
Score d'incertitude au seuil0,002

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)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,217
Écart entre enseignants0,210 · 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

Citations245
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Energy LettersMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207