Cobalt-Based Nonprecious Metal Catalysts Derived from Metal–Organic Frameworks for High-Rate Hydrogenation of Carbon Dioxide
Notice bibliographique
Résumé
The development of cost-effective catalysts with both high activity and selectivity for carbon–oxygen bond activation is a major challenge and has important ramifications for making value-added chemicals from carbon dioxide (CO 2 ). Herein, we present a one-step pyrolysis of metal organic frameworks that yields highly dispersed cobalt nanoparticles embedded in a carbon matrix which shows exceptional catalytic activity in the reverse water gas shift reaction. Incorporation of nitrogen into the carbon-based supports resulted in increased reaction activity and selectivity toward carbon monoxide (CO), likely because of the formation of a Mott–Schottky interface. At 300 °C and a high space velocity of 300 000 mL g –1 h –1, the catalyst exhibited a CO 2 conversion rate of 122 μmol CO 2 g –1 s –1, eight times higher than that of a reference Cu/ZnO/Al 2 O 3 catalyst. Our experimental and computational results suggest that nitrogen-doping lowers the energy barrier for the formation of formate intermediates (CO 2 * + H* → COOH* + *), in addition to the redox mechanism (CO 2 * + * → CO* + O*). This enhancement is attributed to the efficient electron transfer at the cobalt–support interface, leading to higher hydrogenation activity and opening new avenues for the development of CO 2 conversion 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».