Impact of Nickel Content on the Structure and Electrochemical CO<sub>2</sub> Reduction Performance of Nickel–Nitrogen–Carbon Catalysts Derived from Zeolitic Imidazolate Frameworks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The electrochemical conversion of CO2 affords a sustainable route to produce chemicals and fuels from renewable sources of electricity. Nickel–nitrogen–carbon (Ni–N–C) materials have shown promise in terms of activity and selectivity toward the electro-conversion of CO2 into CO, a feedstock widely used in the chemical sector. Ni–N–C catalysts, postulated to comprise catalytically active atomically dispersed Ni–Nx/C sites, are commonly prepared by pyrolyzing a mixture of transition metal-, nitrogen-, and carbon-containing precursors. Herein, we use a zeolitic imidazolate framework (ZIF-8)─a subclass of metal organic frameworks─as a platform for synthesizing Ni–N–C electrocatalysts. We systematically investigate the role of the Ni concentration impregnated into the ZIF-8 precursor structure during synthesis in the overall structure and performance of the resulting Ni–N–C catalysts for electrochemical CO2 reduction. Our findings show that increased Ni contents in the catalyst precursor results in the formation of Ni-containing particles that increase the catalytic selectivity toward the competing hydrogen evolution reaction, whereas reduced Ni contents preferentially form atomically dispersed Ni–Nx/C active sites dispersed in heterogeneous carbon structures consisting of carbon nanotubes and carbonaceous particles. As an optimized concentration of Ni in the precursor mixture, we demonstrate a CO2 reduction selectivity toward CO of ca. 99% Faradaic efficiency at an applied potential of −0.68 V versus the reversible hydrogen electrode.
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.
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) | 0,001 | 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 découle