MétaCan
Menu
Retour à la cohorte
Enregistrement W4309665479 · doi:10.1002/anie.202216062

Boosting Benzene Oxidation with a Spin‐State‐Controlled Nuclearity Effect on Iron Sub‐Nanocatalysts

2022· article· en· W4309665479 sur OpenAlexaff
Fanle Bu, Chaoqiu Chen, Yu Yu, Wentao Hao, Shichao Zhao, Yongfeng Hu, Yong Qin

Notice bibliographique

RevueAngewandte Chemie International Edition · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNational Science Fund for Distinguished Young ScholarsNatural Science Foundation of Shanxi ProvinceNational Natural Science Foundation of China
Mots-clésNanomaterial-based catalystCatalysisTrimerNanorodBenzeneTetramerChemistrySpin statesOxidation stateDimerMaterials scienceCrystallographyNanotechnologyPhotochemistryInorganic chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A fundamental understanding of the nature of nuclearity effects is important for the rational design of superior sub‐nanocatalysts with low nuclearity, but remains a long‐standing challenge. Using atomic layer deposition, we precisely synthesized Fe sub‐nanocatalysts with tunable nuclearity (Fe 1 –Fe 4 ) anchored on N,O‐co‐doped carbon nanorods (NOC). The electronic properties and spin configuration of the Fe sub‐nanocatalysts were nuclearity dependent and dominated the H 2 O 2 activation modes and adsorption strength of active O species on Fe sites toward C−H oxidation. The Fe 1 ‐NOC single atom catalyst exhibits state‐of‐the‐art activity for benzene oxidation to phenol, which is ascribed to its unique coordination environment (Fe 1 N 2 O 3 ) and medium spin state ( t 2g 4 e g 1 ); turnover frequencies of 407 h −1 at 25 °C and 1869 h −1 at 60 °C were obtained, which is 3.4, 5.7, and 13.6 times higher than those of Fe dimer, trimer, and tetramer catalysts, respectively.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,006
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,244
Écart entre enseignants0,237 · 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.

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

Citations34
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207