Engineering strategies and active site identification of MXene-based catalysts for electrochemical conversion reactions
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
MXenes have been extensively studied due to their high metallic conductivity, hydrophilic properties, tunable layer structure and attractive surface chemistry, making them highly desirable for energy-related applications. However, slow catalytic reaction kinetics and limited active sites have severely impeded their further practical applications. Surface engineering of MXenes has been rationally designed and investigated to regulate their electronic structure, increase the density of active sites, optimize the binding energy, and thus boost the electrocatalytic performance. In this review, we comprehensively summarized the surface engineering strategies for MXene nanostructures, including surface termination engineering, defect engineering, heteroatom doping engineering (metals or non-metals), secondary material engineering, and extension to MXene analogues. By identifying the roles of each component in the engineered MXenes at the atomic level, their intrinsic active sites have been discussed to establish the relationships between the atomic structures and catalytic activities. We highlighted the state-of-the-art progress of MXenes in electrochemical conversion reactions including hydrogen, oxygen, carbon dioxide, nitrogen and sulfur conversion reactions. The challenges and perspectives of MXene-based catalysts for electrochemical conversion reactions are presented to inspire more efforts toward the understanding and development of MXene-based materials to meet the ever-growing demand for a sustainable future.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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