MétaCan
Menu
Retour à la cohorte
Enregistrement W2985003438 · doi:10.1039/c9nr07863k

Electrochemical exfoliation from an industrial ingot: ultrathin metallic bismuth nanosheets for excellent CO<sub>2</sub> capture and electrocatalytic conversion

2019· article· en· W2985003438 sur OpenAlexaff
Dan Wu, Xinquan Shen, Jianwen Liu, Cheng Wang, Yue Liang, Xian‐Zhu Fu, Jing‐Li Luo

Notice bibliographique

RevueNanoscale · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceExfoliation jointBismuthIngotElectrochemistryMetallurgyMetalNanotechnologyChemical engineeringElectrodeChemistryAlloy

Résumé

récupéré en direct d'OpenAlex

Formic acid (or formate) is a liquid fuel and chemical feedstock, and it is considered as one of the most useful value-added reductive products from electrochemical CO2 conversion. Green metallic Bi nanosheets are believed be a promising candidate for formic acid production in CO2 electroreduction. However, the complexity of their preparation with a low yield hinders their practical application on a large scale. Herein, we report that by using a cheap and commonly used industrial ingot, phase-pure two-dimensional bismuth nanosheets are fabricated on a large scale by a rapid electrochemical cathodic exfoliation method. In addition to featuring abundant active sites, the obtained Bi nanosheets possess exceptionally high adsorption capacity to CO2 compared to its bulk counterpart, resulting in remarkable enhancement in CO2 electroreduction with high selectivity toward formic acid over a wide range of negative potentials, high current density and satisfactory durability. This facile strategy opens a promising avenue for massive fabrication of metallic Bi nanosheets with excellent electrocatalytic performance for large-scale commercial utilization of CO2.

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)
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 enseignants0,011
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)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,235
Écart entre enseignants0,223 · 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

Citations43
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207