MétaCan
Menu
Retour à la cohorte
Enregistrement W2979947094 · doi:10.1021/acscatal.9b02443

Electrolyte Driven Highly Selective CO<sub>2</sub> Electroreduction at Low Overpotentials

2019· article· en· W2979947094 sur OpenAlexafffund
Tengfei Li, Chao Yang, Jing‐Li Luo, Gengfeng Zheng

Notice bibliographique

RevueACS Catalysis · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Scholarship CouncilScience and Technology Commission of Shanghai MunicipalityMinistry of Science and Technology of the People's Republic of ChinaNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésTafel equationCatalysisElectrolyteInorganic chemistryElectrochemistryChemistryRedoxAqueous solutionElectrocatalystChemical engineeringMaterials scienceElectrodePhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Electrochemical CO2 reduction reaction (CO2RR) is a promising technology to use renewable electricity to convert CO2 into value-added carbon-based products. The low-cost, active, selective, and stable catalysts will play a key role in achieving industrialized CO2RR. The electrolyte assists a catalyst in achieving all its latent capability. Here the concentration effect of KHCO3 in CO2RR was systematically investigated on the low-cost core–shell structured Cu2O@SnOx nanoparticle-derived hybrid catalyst. An HCO3–-involved proton-coupled electron transfer was confirmed as the rate-determining step for CO2RR on the hybrid catalyst in aqueous KHCO3 solution based on the analysis of the reaction order and Tafel slope. The nearly 100% selectivity for CO was achieved in a highly concentrated KHCO3 solution accompanied by a high cathodic energetic efficiency of 71.8%. It was attributed to the combined concentration effect of KHCO3 with the related pH effect.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0000,002

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 Opus0,004
Tête enseignante GPT0,212
Écart entre enseignants0,208 · 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.

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

Citations63
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS CatalysisMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207