MétaCan
Menu
Retour à la cohorte
Enregistrement W3022715573 · doi:10.1002/anie.202004149

Ternary Sn‐Ti‐O Electrocatalyst Boosts the Stability and Energy Efficiency of CO<sub>2</sub> Reduction

2020· article· en· W3022715573 sur OpenAlexafffund
Guobin Wen, Bohua Ren, Moon Gyu Park, Jie Yang, Haozhen Dou, Zhen Zhang, Ya‐Ping Deng, Zhengyu Bai, Lin Yang, Jeff T. Gostick, Gianluigi A. Botton, Yongfeng Hu, Zhongwei Chen

Notice bibliographique

RevueAngewandte Chemie International Edition · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensCanadian Light Source (Canada)University of SaskatchewanMcMaster UniversityUniversity of Waterloo
Organismes subventionnairesHenan UniversityNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaHenan Normal University
Mots-clésElectrocatalystTernary operationReduction (mathematics)Materials scienceChemical engineeringChemistryPhysical chemistryComputer scienceElectrochemistryElectrodeMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Simultaneously improving energy efficiency (EE) and material stability in electrochemical CO 2 conversion remains an unsolved challenge. Among a series of ternary Sn‐Ti‐O electrocatalysts, 3D ordered mesoporous (3DOM) Sn 0.3 Ti 0.7 O 2 achieves a trade‐off between active‐site exposure and structural stability, demonstrating up to 71.5 % half‐cell EE over 200 hours, and a 94.5 % Faradaic efficiency for CO at an overpotential as low as 430 mV. DFT and X‐ray absorption fine structure analyses reveal an electron density reconfiguration in the Sn‐Ti‐O system. A downshift of the orbital band center of Sn and a charge depletion of Ti collectively facilitate the dissociative adsorption of the desired intermediate COOH* for CO formation. It is also beneficial in maintaining a local alkaline environment to suppress H 2 and formate formation, and in stabilizing oxygen atoms to prolong durability. These findings provide a new strategy in materials design for efficient CO 2 conversion and beyond.

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 enseignants0,032
Score d'incertitude au seuil0,542

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 Opus0,013
Tête enseignante GPT0,236
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.

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

Citations95
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207