MétaCan
Menu
Retour à la cohorte
Enregistrement W4205249934 · doi:10.3390/catal12020125

Controlled Growth of Unusual Nanocarbon Allotropes by Molten Electrolysis of CO2

2022· article· en· W4205249934 sur OpenAlexaff
Xinye Liu, Gad Licht, Xirui Wang, Stuart Licht

Notice bibliographique

RevueCatalysts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensCarbon Engineering (Canada)
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceChemical engineeringCarbon fibersNanotechnologyRaman spectroscopyComposite material

Résumé

récupéré en direct d'OpenAlex

This study describes a world of new carbon “fullerene” allotropes that may be synthesized by molten carbonate electrolysis using greenhouse CO2 as the reactant. Beyond the world of conventional diamond, graphite and buckyballs, a vast array of unique nanocarbon structures exist. Until recently, CO2 was thought to be unreactive. Here, we show that CO2 can be transformed into distinct nano-bamboo, nano-pearl, nano-dragon, solid and hollow nano-onion, nano-tree, nano-rod, nano-belt and nano-flower morphologies of carbon. The capability to produce these allotropes at high purity by a straightforward electrolysis, analogous to aluminum production splitting of aluminum oxide, but instead nanocarbon production by splitting CO2, opens an array of inexpensive unique materials with exciting new high strength, electrical and thermal conductivity, flexibility, charge storage, lubricant and robustness properties. Commercial production technology of nanocarbons had been chemical vapor deposition, which is ten-fold more expensive, generally requires metallo-organics reactants and has a highly carbon-positive rather than carbon-negative footprint. Different nanocarbon structures were prepared electrochemically by variation of anode and cathode composition and architecture, electrolyte composition, pre-electrolysis processing and current ramping and current density. Individual allotrope structures and initial growth mechanisms are explored by SEM, TEM, HAADF EDX, XRD and Raman spectroscopy.

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 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 enseignants0,004
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,197
Écart entre enseignants0,193 · 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.

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

Citations27
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCatalystsMême sujetAdvancements in Battery MaterialsTravaux en français237 207