MétaCan
Menu
Retour à la cohorte
Enregistrement W4392372094 · doi:10.1002/adfm.202400893

Construction of Cu─Ni Atomic Pair with Bimetallic Atom‐Cluster Sites for Enhanced CO<sub>2</sub> Electroreduction

2024· article· en· W4392372094 sur OpenAlexaff
Fangfang Chang, Kai Zhu, Chenhong Liu, Juncai Wei, Shuwen Yang, Qing Zhang, Lin Yang, Xiaolei Wang, Zhengyu Bai

Notice bibliographique

RevueAdvanced Functional Materials · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesHigher Education Discipline Innovation ProjectNational Natural Science Foundation of China
Mots-clésBimetallic stripMaterials scienceCluster (spacecraft)Atom (system on chip)Atomic physicsNanotechnologyChemical physicsCrystallographyPhysical chemistryInorganic chemistryMetalMetallurgyPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Developing atomically dispersed metal on nitrogen‐doped carbon (M─N─C) catalyst provides a promising strategy to convert CO 2 into high‐valued chemicals and achieve artificially closed carbon cycles. However, it is challenging to tune the structure and coordination of N─M bond that further improve the intrinsic activity and selectivity of CO 2 RR. Herein, CuNi atomic clusters embedded in Ni/Cu dual atomic sites catalysts (CuNi AC @Ni/Cu─N─C) are designed and successfully manipulated to regulate the coordination environment for M─N─C catalysts to enhance the CO 2 electroreduction reaction (CO 2 RR). The most active configuration in CuNi AC @Ni/Cu─N─C catalyst is CuNi atomic cluster connected with 2N‐bridged (Ni‐Cu)N 5 , in which two N atoms are shared with NiN 4 and CuN 3 moieties verified by both systematic advanced characterizations and density function theory (DFT) calculations. The results have revealed the integration between CuNi atomic cluster and N 4 Ni/CuN 3 dual‐metal atomic sites that optimize the electronic redistribution and narrow the bandgap, thereby decreasing the energy barrier of the potential determination step and promoting CO production.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,236
Écart entre enseignants0,227 · 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'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

Citations50
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207