MétaCan
Menu
Retour à la cohorte
Enregistrement W2917284153 · doi:10.1038/s41467-019-08824-8

Room temperature CO2 reduction to solid carbon species on liquid metals featuring atomically thin ceria interfaces

2019· article· en· W2917284153 sur OpenAlexfundno aff
Dorna Esrafilzadeh, Ali Zavabeti, Rouhollah Jalili, Paul Atkin, Jaecheol Choi, Benjamin J. Carey, Robert Brkljača, Anthony P. O’Mullane, Michael D. Dickey, David L. Officer, Douglas R. MacFarlane, Torben Daeneke, Kourosh Kalantar‐Zadeh

Notice bibliographique

RevueNature Communications · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensnon disponible
Organismes subventionnairesCentre of Excellence for Electromaterials Science, Australian Research CouncilRMIT UniversityOntario Ministry of Natural Resources and ForestryAustralian National Fabrication Facility
Mots-clésCarbon fibersMaterials scienceReduction (mathematics)Chemical engineeringNanotechnologyComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Negative carbon emission technologies are critical for ensuring a future stable climate. However, the gaseous state of CO 2 does render the indefinite storage of this greenhouse gas challenging. Herein, we created a liquid metal electrocatalyst that contains metallic elemental cerium nanoparticles, which facilitates the electrochemical reduction of CO 2 to layered solid carbonaceous species, at a low onset potential of −310 mV vs CO 2 /C. We exploited the formation of a cerium oxide catalyst at the liquid metal/electrolyte interface, which together with cerium nanoparticles, promoted the room temperature reduction of CO 2 . Due to the inhibition of van der Waals adhesion at the liquid interface, the electrode was remarkably resistant to deactivation via coking caused by solid carbonaceous species. The as-produced solid carbonaceous materials could be utilised for the fabrication of high-performance capacitor electrodes. Overall, this liquid metal enabled electrocatalytic process at room temperature may result in a viable negative emission technology.

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 enseignants0,234
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,015
Tête enseignante GPT0,289
Écart entre enseignants0,274 · 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

Citations278
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207