MétaCan
Menu
Retour à la cohorte
Enregistrement W3025981599 · doi:10.1149/ma2020-0112940mtgabs

Fast and Selective CO<sub>2</sub> Reduction into CO with Cobalt Phthalocyanine in a Flow Cell

2020· article· en· W3025981599 sur OpenAlexaff
Dorian Joulié, Shaoxuan Ren, Danielle A. Salvatore, Kristian Torbensen, Min Wang, Marc Robert, Curtis P. Berlinguette

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOverpotentialCatalysisFaraday efficiencyElectrochemical reduction of carbon dioxideElectrolysisCobaltCarbon monoxideCarbon fibersSyngasMaterials scienceChemistryChemical engineeringInorganic chemistryElectrochemistryElectrodeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A balance between greenhouse gases production and capture is required to tackle the global warming resulting from them. Carbon dioxide (CO2) is considered as a waste gas but it is also a potential feedstock. Indeed, with the utilization of renewable energies, carbon dioxide electroreduction reaction (CO2RR) can generate useful products within a carbon neutral strategy. Practical CO2 conversion requires catalysts capable of mediating the efficient formation of a single product at high current densities over a long time (1). Among the potential products, carbon monoxide (CO) requires only 2 electrons to be generated which facilitate to reach high faradaic efficiencies. CO is also an important precursor in the chemical industry and its market is large enough to receive this new production method. (2) High current densities have been hit with copper-based catalysts but these catalysts tend to be nonspecific to only one product. Solid-state catalysts struggle to maintain a relevant selectivity at low overpotentials. They also rely mostly on noble metals or use deposition methods that are not upscalable for an industrial use. Molecular catalysts can be tuned to be highly selective towards CO at low overpotential but cannot operate CO2RR at relevant current densities for commercial purposes. Best molecular catalysts are close to 100 % faradaic efficiency for CO but the strongest production rate reported is 33 mA/cm² (3). This current density is more than 5 times smaller than the industrial relevant scale. Moreover, these catalysts are usually fragile over time with reported electrolysis less than ten hours. In this presentation, we will show that Cobalt Phthalocyanine (CoPc) - a widely available and known molecular catalyst - is able to compete with solid-state catalysts. We will illustrate how the CO2 delivery to a gas diffusion electrode can increase the reactivity of a molecular catalyst. We succeed to operate CO2RR with 95% faradaic efficiency for CO at 150 mA/cm² and an overall cell potential of 2.45 V. (4) We will also emphasize how the tunability of such catalysts can lower the reaction overpotential and increase the stability. (5) 1: Ind. Eng. Chem. Res. 2018, 57, 2165−2177 2: Acc. Chem. Res. 2018, 51, 4, 910-918 3: ACS Energy Lett. 2018, 3, 10, 2527-2532 4: Science 2019, 365, 6451, 367–369 5: Nature comm. 2019, 10, 3602

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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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