Ligand-Engineered Metal–Organic Frameworks for Electrochemical Reduction of Carbon Dioxide to Carbon Monoxide
Notice bibliographique
Résumé
The economic feasibility of electrocatalytic carbon dioxide reduction reaction (CO 2 RR) relies on developing highly selective and efficient catalysts operating at a high current density. Herein, we explore a ligand-engineering strategy involving the use of metal–organic frameworks (MOFs) and combining the desirable features of homogeneous and heterogeneous catalysts for boosting the activity of CO 2 RR. Zn-based MOFs involving two different azolate functional ligands, i.e., 1,2,4-triazole (Calgary Framework 20, CALF20) and 2-methylimidazole (zeolitic imidazolate framework-8, ZIF-8), were investigated for CO 2 RR in an alkaline flow cell electrolyzer. The highest CO partial current density of −53.2 mA/cm 2 was observed for a Zn-based MOF (CALF20). CALF20 showed the highest reported Faradaic efficiency of Zn-based MOFs for CO production (∼94% at −0.97 V versus reversible hydrogen electrode, RHE), with a turnover frequency (TOF) of 1360.8 h –1 and a partial current density of −32.8 mA/cm 2 . Experimental and density functional theory (DFT) results indicate that the sp 2 carbon atoms in azole ligands coordinated with the metal center in MOFs are the active sites for CO 2 RR due to the fully occupied 3d orbital of Zn(II) centers. Ab initio investigation shows that both azolate frameworks in CALF20 and ZIF-8 have the most favorable adsorption sites at the N–sp 2 C. Adopting the triazole ligand in CALF20 enhances the charge transfer (as compared with the diazole group in ZIF-8), which induces more electrons in the adjacent active sites at the azole ligand and facilitates *COOH formation, boosting current density and Faradaic efficiency toward CO production. This study suggests that ligand engineering in MOFs could be a viable approach to design a highly efficient CO 2 RR catalyst.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».