MétaCan
Menu
Retour à la cohorte
Enregistrement W4221144481 · doi:10.3390/catal12020137

Controlled Transition Metal Nucleated Growth of Carbon Nanotubes by Molten Electrolysis of CO2

2022· article· en· W4221144481 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 engineeringElectrolysisCarbon nanotubeAnodeCarbon fibersNanotechnologyNanomaterialsElectrolyteElectrochemistryCathodeElectrodeChemistryComposite materialComposite number

Résumé

récupéré en direct d'OpenAlex

The electrolysis of CO2 in molten carbonate has been introduced as an alternative mechanism to synthesize carbon nanomaterials inexpensively at high yield. Until recently, CO2 was thought to be unreactive, making its removal a challenge. CO2 is the main cause of anthropogenic global warming and its utilization and transformation into a stable, valuable material provides an incentivized pathway to mitigate climate change. This study focuses on controlled electrochemical conditions in molten lithium carbonate to split CO2 absorbed from the atmosphere into carbon nanotubes (CNTs), and into various macroscopic assemblies of CNTs, which may be useful for nano-filtration. Different CNT morphologies were prepared electrochemically by variation of the anode and cathode composition and architecture, variation of the electrolyte composition pre-electrolysis processing, and variation of the current application and current density. Individual CNT morphologies’ structures and the CNT molten carbonate growth mechanisms are explored using SEM (scanning electron microscopy), TEM (transmission electron micrsocopy), HAADF (high angle annular dark field), EDX (energy dispersive xray), X-ray diffraction), and Raman methods. The principle commercial technology for CNT production had been chemical vapor deposition, which is an order of magnitude more expensive, generally requires metallo-organics, rather than CO2 as reactants, and can be highly energy and CO2 emission intensive (carries a high carbon positive, rather than negative, footprint).

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 seuil0,002

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 Opus0,004
Tête enseignante GPT0,193
Écart entre enseignants0,188 · 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

Citations51
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCatalystsMême sujetAdvancements in Battery MaterialsTravaux en français237 207