MétaCan
Menu
Retour à la cohorte
Enregistrement W3203401742 · doi:10.21203/rs.3.rs-83176/v2

Electrocatalysts derived from copper complexes transform CO into C2+ products effectively in a flow cell

2021· preprint· en· W3203401742 sur OpenAlexaff
Shaoxuan Ren, Zishuai Zhang, Eric W. Lees, Arthur G. Fink, Luke Melo, Camden Hunt, David Dvořák, Wen Yu Wu, Edward R. Grant, Curtis P. Berlinguette

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCopperFlow (mathematics)ChemistryChemical engineeringCombinatorial chemistryMaterials scienceOrganic chemistryMechanicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The highest performance flow cells capable of electrolytically converting CO2 into higher value chemicals and fuels pass a concentrated hydroxide electrolyte across the cathode. A major problem for CO2 electrolysis is that this strongly alkaline medium converts the majority of CO2 into unreactive HCO3– and CO32– rather than CO2 reduction reaction (CO2RR) products. The electrolysis of CO (instead of CO2) does not suffer from this same problem because CO does not react with hydroxide. Moreover, CO can be more readily converted into products containing two or more carbon atoms (i.e., C2+ products). While several solid-state electrocatalysts have proven competent at converting CO into C2+ products, we demonstrate here that molecular electrocatalysts are also effective at mediating this transformation in a flow cell. Using a molecular copper phthalocyanine (CuPc) electrocatalyst, CO was electrolyzed into C2+ products at high rates of product formation (i.e., current densities J ≥200 mA/cm2), and at high Faradaic efficiencies for C2+ production (FEC2+; 72% at 200 mA/cm2). These findings present a new class of electrocatalysts for making carbon-neutral chemicals and fuels.

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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,000
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 Opus0,032
Tête enseignante GPT0,343
Écart entre enseignants0,311 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207