Tuning transition metal carbide activity by surface metal alloying: a case study on CO <sub>2</sub> capture and activation
Notice bibliographique
Résumé
CO2 is one of the main actors in the greenhouse effect and its removal from the atmosphere is becoming an urgent need. Thus, CO2 capture and storage (CCS) and CO2 capture and usage (CCU) are intensively investigated technologies to decrease the concentration of atmospheric CO2. Both CCS and CCU require appropriate materials to adsorb/release and adsorb/activate CO2, respectively. Recently, it has been theoretically and experimentally shown that transition metal carbides (TMC) are able to capture, store, and activate CO2. To further improve the adsorption capacity of these materials, a deep understanding of the atomic level processes involved is essential. In the present work, we theoretically investigate the possible effects of surface metal doping of these TMCs by taking TiC as a textbook case and Cr, Hf, Mo, Nb, Ta, V, W, and Zr as dopants. Using periodic slab models with large supercells and state-of-the-art density functional theory based calculations we show that CO2 adsorption is enhanced by doping with metals down a group but worsened along the d series. Adsorption sites, dispersion and coverage appear to play a minor, secondary constant effect. The dopant-induced adsorption enhancement is highly biased by the charge rearrangement at the surface. In all cases, CO2 activation is found but doping can shift the desorption temperature by up to 135 K.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».