MétaCan
Menu
Retour à la cohorte
Enregistrement W3185033337 · doi:10.33774/chemrxiv-2021-5ksw3

C-N triple bond cleavage via trans-membrane hydrogenation

2021· preprint· en· W3185033337 sur OpenAlexafffund
Yuxuan Zhang, Nikolay Kornienko

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineChemical Engineering
ThématiqueAmmonia Synthesis and Nitrogen Reduction
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryElectrosynthesisPhotochemistryNanotechnologyElectrochemistryMaterials sciencePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The renewable energy-driven valorization of excess feedstocks into commodity chemicals and societally useful products constitutes a longstanding push in energy and sustainability research. To this end, this work pushes to expand the scope of green electrosynthesis by innovating a new approach to convert acetonitrile, industrially generated in excess and burned off, to in-demand ammonia and acetaldehyde products. Success here was enabled through the use of a Pd-membrane based reactor which abstracted hydrogen atoms from water, which subsequently diffused through to a separate organic compartment in which they carried out the hydrogenation reaction. In this geometry, the reaction proceeded at 5.2 mA/cm2 partial current density and 60% Faradaic efficiency towards ammonia generation. Further, the transmembrane hydrogenation approach gave rise to an onset potential of 0.2VAg/AgCl, surpassing previous state-of-the-art systems by 0.7V. A customized infrared spectroelectrochemcal setup was built up to probe the mechanism of the reaction, which was shown to proceed through an imine hydrolysis like pathway, with the hydrogenation of the NHx species that remained being the rate-limiting steps in the process. This work establishes a new route in electrochemical nitrile hydrogenation and general opens up promising avenues in green electrosynthesis.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,269
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,223
Écart entre enseignants0,209 · 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 tête enseignante, pas un consensus.

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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAmmonia Synthesis and Nitrogen ReductionTravaux en français237 207