Molecular Engineering to Tune the Ligand Environment of Atomically Dispersed Nickel for Efficient Alcohol Electrochemical Oxidation
Notice bibliographique
Résumé
Abstract Atomically dispersed metals maximize the number of catalytic sites and enhance their activity. However, their challenging synthesis and characterization strongly complicates their optimization. Here, the aim is to demonstrate that tuning the electronic environment of atomically dispersed metal catalysts through the modification of their edge coordination is an effective strategy to maximize their performance. This article focuses on optimizing nickel‐based electrocatalysts toward alcohol electrooxidation in alkaline solution. A new organic framework with atomically dispersed nickel is first developed. The coordination environment of nickel within this framework is modified through the addition of carbonyl (CO) groups. The authors then demonstrate that such nickel‐based organic frameworks, combined with carbon nanotubes, exhibit outstanding catalytic activity and durability toward the oxidation of methanol (CH 3 OH), ethanol (CH 3 CH 2 OH), and benzyl alcohol (C 6 H 5 CH 2 OH); the smaller molecule exhibits higher catalytic performance. These outstanding electrocatalytic activities for alcohol electrooxidation are attributed to the presence of the carbonyl group in the ligand chemical environment, which enhances the adsorption for alcohol, as revealed by density functional theory calculations. The work not only introduces a new atomically dispersed Ni‐based catalyst, but also demonstrates a new strategy for designing and engineering high‐performance catalysts through the tuning of their chemical environment.
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 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) | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».