MétaCan
Menu
Retour à la cohorte
Enregistrement W4214767920 · doi:10.1002/ange.201912857

Understanding the Origin of Highly Selective CO<sub>2</sub> Electroreduction to CO on Ni,N‐doped Carbon Catalysts

2020· article· en· W4214767920 sur OpenAlexaff
David M. Koshy, Shucheng Chen, Dong Un Lee, Michaela Burke Stevens, Ahmed Abdellah, Samuel Dull, Gan Chen, Dennis Nordlund, Alessandro Gallo, Christopher Hahn, Drew Higgins, Zhenan Bao, Thomas F. Jaramillo

Notice bibliographique

RevueAngewandte Chemie · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensMcMaster University
Organismes subventionnairesOffice of ScienceNational Science Foundation
Mots-clésCatalysisCarbon fibersElectrochemistryInorganic chemistryNitrogenMetalPyrolysisPorphyrinActive siteMaterials sciencePolyacrylonitrileChemistryPhysical chemistryPhotochemistryOrganic chemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Abstract Ni,N‐doped carbon catalysts have shown promising catalytic performance for CO 2 electroreduction (CO 2 R) to CO; this activity has often been attributed to the presence of nitrogen‐coordinated, single Ni atom active sites. However, experimentally confirming Ni−N bonding and correlating CO 2 reduction (CO 2 R) activity to these species has remained a fundamental challenge. We synthesized polyacrylonitrile‐derived Ni,N‐doped carbon electrocatalysts (Ni‐PACN) with a range of pyrolysis temperatures and Ni loadings and correlated their electrochemical activity with extensive physiochemical characterization to rigorously address the origin of activity in these materials. We found that the CO 2 R to CO partial current density increased with increased Ni content before plateauing at 2 wt % which suggests a dispersed Ni active site. These dispersed active sites were investigated by hard and soft X‐ray spectroscopy, which revealed that pyrrolic nitrogen ligands selectively bind Ni atoms in a distorted square‐planar geometry that strongly resembles the active sites of molecular metal–porphyrin catalysts.

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 enseignants0,031
Score d'incertitude au seuil0,815

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,044
Tête enseignante GPT0,267
Écart entre enseignants0,223 · 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

Citations53
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngewandte ChemieMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207