Scanning Electrochemical Microscopy (SECM) for High-Throughput Screening of Tin Oxide Derived Catalyst Arrays for CO<sub>2</sub> Electro-Reduction to Formate
Notice bibliographique
Résumé
Formate produced from the electro-reduction of CO2 has been proposed as a safe liquid alternative to hydrogen gas in renewable energy storage schemes1 . However, catalysts for electro-reduction of CO2 to formate reaction still suffer from poor stability and activity2,3. Furthermore, the CO2 electroreduction catalysis discovery and screening process is generally hampered by slow, one catalyst sample at a time, experimental procedures. Our overall objective is to develop SECM as a reliable high-throughput technique for screening of electrocatalyst arrays. Here, using SECM, we evaluated the activity of three different tin oxide derived catalysts arranged in an array. Tin(IV) dioxide, has been previously shown to be one of the most promising catalysts for formate generation, while also being thermodynamically reduced to metallic tin at the potential at which CO2RR happens in an aqueous medium4,5. We created two different tin oxide derived catalysts by subjecting mirror-polished native tin oxide to electro-reduction at a constant potentials prior to the CO2 reduction experiments. Electro-reduction of the native tin oxide surface at -3.00 V vs. Ag/AgCl yielded a tin(IV) dioxide deficient surface covered in nanospheres (≈70 um) while electro-reduction at -1.25 V vs. Ag/AgCl create a slightly porous surface exhibiting high proportion of tin(IV) dioxide. Fine tuning the SECM technique to analyze three samples (the two electroreduced and one native tin oxide surface) in an array, we demonstrate the successful evaluation of the electrocatalytic activities of these catalysts and we discuss the advantages and challenges of using SECM to screen catalysts for CO2 reduction. 1. S. Fukuzumi, Joule, 1, 689–738 (2017) https://doi.org/10.1016/j.joule.2017.07.007. 2. C. E. Moore and E. L. Gyenge, ChemSusChem, 10, 3512–3519 (2017) http://doi.wiley.com/10.1002/cssc.201700761. 3. B. Khezri, A. C. Fisher, and M. Pumera, J. Mater. Chem. A, 5, 8230–8246 (2017) http://xlink.rsc.org/?DOI=C6TA09875D. 4. A. Dutta, A. Kuzume, M. Rahaman, S. Vesztergom, and P. Broekmann, ACS Catal., 5, 7498–7502 (2015). 5. S. Geiger, O. Kasian, A. M. Mingers, K. J. J. Mayrhofer, and S. Cherevko, Sci. Rep. (2017). Figure 1
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».