MétaCan
Menu
Retour à la cohorte
Enregistrement W4393156387 · doi:10.1002/cphc.202300608

CO<sub>2</sub> Hydrogenation to CH<sub>3</sub>OH on Metal‐Doped TiO<sub>2</sub>(110): Mechanisms, Strain Effect and a New Thermodynamic‐Kinetic Relation

2024· article· en· W4393156387 sur OpenAlexaff
Huili Lu, Deshuai Yang, Zhao‐Xu Chen

Notice bibliographique

RevueChemPhysChem · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésKinetic energyDopingStrain (injury)MetalPhysical chemistryMaterials scienceThermodynamicsChemistryInorganic chemistryMetallurgyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Surface strain and linear thermodynamic‐kinetic relation are interesting topics in catalysis. Development of low temperature methanol catalysts of high activity and selectivity is of particularly importance for conversion of CO 2 to methanol. In the present paper CO 2 hydrogenation to methanol on Znx@TiO 2 (110) (x=0–2) was explored using density functional calculations and microkinetic simulations. The reaction mechanisms on the three model systems were determined and it is shown that Zn2@TiO 2 (110) is the most active. The most favorable pathway on Zn2@TiO 2 (110) is identified and CO 2 +H to HCOO is found to be the rate‐controlling step. It is demonstrated that there is a linear relation (named AEB relation) between the adsorption energies of the initial states and the barriers for the controlling step on the 18 systems studied. Calculations on strained surfaces show that the AEB relation exists within ±1 % strain. Sr2@TiO 2 (110) and −1 % strained CaZn and ZnCu doped TiO 2 (110) are potential good low temperature catalysts and deserve experimental testing.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,011
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,011
Tête enseignante GPT0,245
Écart entre enseignants0,234 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemPhysChemMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207