Oxynitride-surface engineering of rhodium-decorated gallium nitride for efficient thermocatalytic hydrogenation of carbon dioxide to carbon monoxide
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
Abstract Upcycling of carbon dioxide towards fuels and value-added chemicals poses an opportunity to overcome challenges faced by depleting fossil fuels and climate change. Herein, combining highly controllable molecular beam epitaxy growth of gallium nitride (GaN) under a nitrogen-rich atmosphere with subsequent air annealing, a tunable platform of gallium oxynitride (GaN 1- x O x ) nanowires is built to anchor rhodium (Rh) nanoparticles for carbon dioxide hydrogenation. By correlatively employing various spectroscopic and microscopic characterizations, as well as density functional theory calculations, it is revealed that the engineered oxynitride surface of GaN works in synergy with Rh to achieve a dramatically reduced energy barrier. Meanwhile, the potential-determining step is switched from *COOH formation into *CO desorption. As a result, significantly improved CO activity of 127 mmol‧g cat −1 ‧h −1 is achieved with high selectivity of >94% at 290 °C under atmospheric pressure, which is three orders of magnitude higher than that of commercial Rh/Al 2 O 3 . Furthermore, capitalizing on the high dispersion of the Rh species, the architecture illustrates a decent turnover frequency of 270 mol CO per mol Rh per hour over 9 cycles of operation. This work presents a viable strategy for promoting CO 2 refining via surface engineering of an advanced support, in collaboration with a suitable metal cocatalyst.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| 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