MétaCan
Menu
Retour à la cohorte
Enregistrement W2809616088 · doi:10.1002/anie.201803873

Iron Porphyrins Embedded into a Supramolecular Porous Organic Cage for Electrochemical CO<sub>2</sub> Reduction in Water

2018· article· en· W2809616088 sur OpenAlexfundno aff
Peter T. Smith, Bahiru Punja Benke, Zhi Cao, Younghoon Kim, Eva M. Nichols, Kimoon Kim, Christopher J. Chang

Notice bibliographique

RevueAngewandte Chemie International Edition · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensnon disponible
Organismes subventionnairesInstitute for Basic ScienceLawrence Berkeley National LaboratoryCanadian Institute for Advanced ResearchU.S. Department of EnergyHoward Hughes Medical InstituteNational Science Foundation
Mots-clésSupramolecular chemistryElectrochemistryFaraday efficiencyCatalysisPorositySubstrate (aquarium)Chemical engineeringMonomerMaterials scienceChemistryNanotechnologyElectrodePolymerMoleculeOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A porous organic cage composed of six iron tetraphenylporphyrins was used as a supramolecular catalyst for electrochemical CO 2 ‐to‐CO conversion. This strategy enhances active site exposure and substrate diffusion relative to the monomeric catalyst, resulting in CO generation with near‐quantitative Faradaic efficiency in pH 7.3 water, with activities reaching 55 250 turnovers. These results provide a starting point for the design of supramolecular catalysts that can exploit the properties of the surrounding matrix yet retain the tunability of the original molecular unit.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,827

Scores Codex et Gemma par catégorie

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 Opus0,007
Tête enseignante GPT0,250
Écart entre enseignants0,243 · 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 tête enseignante, 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

Citations204
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207