MétaCan
Menu
Retour à la cohorte
Enregistrement W3019817751 · doi:10.3390/catal10050473

Electrochemical Reactors for CO2 Conversion

2020· article· en· W3019817751 sur OpenAlexafffund
Roger Lin, Jiaxun Guo, Xiaojia Li, Poojan Patel, Ali Seifitokaldani

Notice bibliographique

RevueCatalysts · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensMcGill University
Organismes subventionnairesMcGill University
Mots-clésProcess engineeringCarbon fibersEnvironmental scienceElectrochemical reduction of carbon dioxideComputer scienceReactor designBiochemical engineeringCarbon monoxideCatalysisChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Increasing risks from global warming impose an urgent need to develop technologically and economically feasible means to reduce CO2 content in the atmosphere. Carbon capture and utilization technologies and carbon markets have been established for this purpose. Electrocatalytic CO2 reduction reaction (CO2RR) presents a promising solution, fulfilling carbon-neutral goals and sustainable materials production. This review aims to elaborate on various components in CO2RR reactors and relevant industrial processing. First, major performance metrics are discussed, with requirements obtained from a techno-economic analysis. Detailed discussions then emphasize on (i) technical benefits and challenges regarding different reactor types, (ii) critical features in flow cell systems that enhance CO2 diffusion compared to conventional H-cells, (iii) electrolyte and its effect on liquid phase electrolyzers, (iv) catalysts for feasible products (carbon monoxide, formic acid and multi-carbons) and (v) strategies on flow channel and anode design as next steps. Finally, specific perspectives on CO2 feeds for the reactor and downstream purification techniques are annotated as part of the CO2RR industrial processing. Overall, we focus on the component and system aspects for the design of a CO2RR reactor, while pointing out challenges and opportunities to realize the ultimate goal of viable carbon capture and utilization 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,005

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 Opus0,017
Tête enseignante GPT0,244
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), 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

Citations142
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCatalystsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207