MétaCan
Menu
Retour à la cohorte
Enregistrement W4390146928 · doi:10.1016/j.enrev.2023.100065

Electrocatalytic conversion of methane: Recent progress and future prospects

2023· article· en· W4390146928 sur OpenAlexaff
Linghui Yan, Liangliang Jiang, Chao Qian, Shaodong Zhou

Notice bibliographique

RevueEnergy Reviews · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Calgary
Organismes subventionnairesKey Research and Development Program of Zhejiang Province
Mots-clésMethaneElectrocatalystDehydrogenationGreenhouse gasChemistryElectrochemistryNanotechnologyCatalysisEnvironmental scienceMaterials scienceElectrodeOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Methane has gained significant attention due to its abundant reserves and notable greenhouse effect. Electrocatalytic conversion of methane is an efficient and green pathway proceeding under mild conditions. However, the low solubility of methane in aqueous electrolytes imposes mass transfer limitations, leading to low current densities in electrocatalytic reactions and hindering large-scale production. This paper discusses the recent progress in quite a few aspects of electrocatalytic conversion of methane. Firstly, the reaction mechanisms involved in methane electrocatalysis are summarized, including dehydrogenation and C–H bond cleavage mediated by the active species. Next, we discuss how to promote electrochemical methane conversion regarding both the reaction process and mass transfer from the perspective of chemical engineering. Considerable efforts have been done to enhance the reaction process, including developing efficient electrocatalyst and devices. Meanwhile, the enhancement of transport processes via, e.g. improving the solubility of methane and modification on the transport area and distance, also facilitates more efficient methane conversion. Finally, an outlook on future development challenges is provided.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,017
Tête enseignante GPT0,274
Écart entre enseignants0,257 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy ReviewsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207