Hollow NiSe Nanocrystals Heterogenized with Carbon Nanotubes for Efficient Electrocatalytic Methanol Upgrading to Boost Hydrogen Co‐Production
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Electro‐oxidative organic upgrading, as an ideal alternative to sluggish oxygen evolution reaction (OER) performance, can effectively decrease energy consumption to boost hydrogen evolution reaction (HER) performance. However, developing highly active electrocatalysts for long‐term durable organic upgrading with high selectivity at large and steady current density remains challenging. Herein, hollow NiSe nanocrystals heterogenized with carbon nanotubes (h‐NiSe/CNTs) are fabricated via a facile one‐pot approach. The highly dispersed h‐NiSe/CNTs 3D network can efficiently facilitate rapid mass/electron diffusion, thus achieving highly active and long‐term stable electrocatalysis for catalyzing methanol to value‐added formate at high and steady current density (≈345 mA cm −2 ) with high Faradaic efficiency (>95%). This reaction replaces sluggish OER performance to reduce the energy consumption for boosting H 2 generation by six times. The critical active species and methanol activation mechanism are systematically studied using X‐ray photoelectron spectroscopy, X‐ray absorption fine structure analysis, in situ Raman, and density functional theory calculations, indicating that the non‐ignorable SeO x collaborated with in situ formed NiOOH species can synergistically modulate the d band center to achieve an optimal adsorption for methanol selective oxidation and suppress the further oxidation to CO 2 , thus leading to active and stable electrolysis for producing value‐added formate with high selectivity and co‐generating H 2 with less energy consumption.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle