MétaCan
Menu
Retour à la cohorte
Enregistrement W3024468518 · doi:10.1149/ma2020-01522871mtgabs

Synthesis of Nanostructured Cobalt-Based Catalysts for Electrochemical Carbon Dioxide Reduction

2020· article· en· W3024468518 sur OpenAlexaff
Sharon Abner, Aicheng Chen

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésOverpotentialElectrochemical reduction of carbon dioxideFormateCatalysisElectrochemistryCobaltNanomaterialsMaterials scienceFaraday efficiencyCarbon dioxideCarbon monoxideNoble metalNanoparticleCarbon fibersNanotechnologyChemical engineeringInorganic chemistryChemistryOrganic chemistryElectrode

Résumé

récupéré en direct d'OpenAlex

The continuous rise in carbon dioxide (CO2) concentration in the atmosphere is known to be one of the main causes of global climate change. The use of CO2 as a precursor in the production of synthetic fuels and other industrial chemicals offers a way to mitigate climate change. The direct conversion of CO2 to industrial low-carbon chemicals, such as carbon monoxide, formate and methane, using electrochemical approaches has attracted attention [1]. One of the main challenges encountered is overcoming the high activation energy required to convert surface adsorbed CO2 into CO2 •− which leads to high overpotential. The search for a cost-effective non-noble metal has led to the exploration of cobalt-based materials as a viable catalyst for CO2 reduction reaction. Although, Co is widely used as a catalyst for electrochemical water splitting [2], recent findings shows that Co and Co-oxides can lead to the reduction of CO2 to CO and formate with high faradaic efficiencies [3, 4]. In this study, different Co-based nanomaterials including nanoparticles and nanodendrites were synthesized. The formed nanomaterials were studied using a wide range of surface characterization techniques and electrochemical methods. The catalytic activity of the synthesized Co-based nanoparticles and nanodendrites towards the electrochemical reduction of carbon dioxide will be compared and discussed. References: [1] A. S. Agarwal, Y. Zhai, D. Hill, and N. Sridhar, ChemSusChem 4 (2011) 1301–1310. [2] J. Cirone, S. R. Ahmed, P. C. Wood, and A. Chen, J. Phys. Chem. C 123 (2019) 9183 - 9191. [3] G. Yin, X. Yuan, X. Du, W. Zhao, Q. Bi, and F. Huang, Chem. - A Eur. J. 24 (2018) 2157–2163. [4] S. Gao et al. Nature 529 (2016) 68–71.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,233
Écart entre enseignants0,222 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207