MétaCan
Menu
Retour à la cohorte
Enregistrement W2901028134 · doi:10.1073/pnas.1811396115

Directing the reactivity of metal hydrides for selective CO <sub>2</sub> reduction

2018· article· en· W2901028134 sur OpenAlexfundno aff
Bianca M. Ceballos, Jenny Y. Yang

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institute for Advanced ResearchU.S. Department of EnergyNational Science Foundation
Mots-clésReactivity (psychology)Reduction (mathematics)MetalChemistrySelective reductionCombinatorial chemistryMaterials scienceOrganic chemistryCatalysisMedicineMathematics

Résumé

récupéré en direct d'OpenAlex

Significance Electrocatalytic CO 2 reduction to fuels using renewable electricity provides an entry into sustainable carbon-neutral fuels. Most reactions require proton equivalents, but direct proton reduction to H 2 leads to low product selectivity, a significant challenge in the field. The issue of product selectivity arises from shared catalytic intermediates for both CO 2 reduction and H 2 evolution. We describe how thermodynamic relationships regarding the reactivity of H + and CO 2 with one of these shared intermediates, homogeneous metal hydrides, can be applied to identify catalyst candidates and conditions where H 2 evolution is suppressed in favor of highly selective CO 2 reduction. The conceptual framework is used to outline operational conditions for electrocatalytic reduction of CO 2 to formate (HCO 2 − ) by [Pt(dmpe) 2 ](PF 6 ) 2 with negligible H 2 production.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,033
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,037
Tête enseignante GPT0,314
Écart entre enseignants0,277 · 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

Citations126
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207