MétaCan
Menu
Retour à la cohorte
Enregistrement W4392168938 · doi:10.1038/s41467-024-45538-y

In situ copper faceting enables efficient CO2/CO electrolysis

2024· article· en· W4392168938 sur OpenAlexafffund
Kaili Yao, Jun Li, Adnan Ozden, Haibin Wang, Ning Sun, Pengyu Liu, Wen Zhong, Wei Zhou, Jieshu Zhou, Xi Wang, Hanqi Liu, Yongchang Liu, Songhua Chen, Yongfeng Hu, Ziyun Wang, David Sinton, Hongyan Liang

Notice bibliographique

RevueNature Communications · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNatural Sciences and Engineering Research Council of CanadaMarsden FundOntario Research FoundationNational Natural Science Foundation of ChinaCanada Research ChairsRoyal Society Te ApārangiShanghai Jiao Tong UniversityPaul Scherrer Institut
Mots-clésFaraday efficiencyCopperFacetingElectrochemistryCatalysisElectrolysisCarbon fibersMaterials scienceElectrocatalystAdsorptionChemical engineeringHydroxideInorganic chemistryChemistryElectrodeCrystallographyPhysical chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract The copper (Cu)-catalyzed electrochemical CO 2 reduction provides a route for the synthesis of multicarbon (C 2+ ) products. However, the thermodynamically favorable Cu surface (i.e. Cu(111)) energetically favors single-carbon production, leading to low energy efficiency and low production rates for C 2+ products. Here we introduce in situ copper faceting from electrochemical reduction to enable preferential exposure of Cu(100) facets. During the precatalyst evolution, a phosphate ligand slows the reduction of Cu and assists the generation and co-adsorption of CO and hydroxide ions, steering the surface reconstruction to Cu (100). The resulting Cu catalyst enables current densities of > 500 mA cm −2 and Faradaic efficiencies of >83% towards C 2+ products from both CO 2 reduction and CO reduction. When run at 500 mA cm −2 for 150 hours, the catalyst maintains a 37% full-cell energy efficiency and a 95% single-pass carbon efficiency throughout.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil0,450

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,307
Écart entre enseignants0,295 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations111
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207