High‐Rate and Selective CO<sub>2</sub> Electrolysis to Ethylene via Metal–Organic‐Framework‐Augmented CO<sub>2</sub> Availability
Notice bibliographique
Résumé
Abstract High‐rate conversion of carbon dioxide (CO 2 ) to ethylene (C 2 H 4 ) in the CO 2 reduction reaction (CO 2 RR) requires fine control over the phase boundary of the gas diffusion electrode (GDE) to overcome the limit of CO 2 solubility in aqueous electrolytes. Here, a metal–organic framework (MOF)‐functionalized GDE design is presented, based on a catalysts:MOFs:hydrophobic substrate materials layered architecture, that leads to high‐rate and selective C 2 H 4 production in flow cells and membrane electrode assembly (MEA) electrolyzers. It is found that using electroanalysis and operando X‐ray absorption spectroscopy (XAS), MOF‐induced organic layers in GDEs augment the local CO 2 concentration near the active sites of the Cu catalysts. MOFs with different CO 2 adsorption abilities are used, and the stacking ordering of MOFs in the GDE is varied. While sputtering Cu on poly(tetrafluoroethylene) (PTFE) (Cu/PTFE) exhibits 43% C 2 H 4 Faradaic efficiency (FE) at a current density of 200 mA cm − 2 in a flow cell, 49% C 2 H 4 FE at 1 A cm − 2 is achieved on MOF‐augmented GDEs in CO 2 RR. MOF‐augmented GDEs are further evaluated in an MEA electrolyzer, achieving a C 2 H 4 partial current density of 220 mA cm −2 for CO 2 RR and 121 mA cm −2 for the carbon monoxide reduction reaction (CORR), representing 2.7‐fold and 15‐fold improvement in C 2 H 4 production rate, compared to those obtained on bare Cu/PTFE.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».