MétaCan
Menu
Retour à la cohorte
Enregistrement W4394840548 · doi:10.1021/accountsmr.3c00224

Recent Progress in Cathode Material Design for CO<sub>2</sub> Electrolysis: From Room Temperature to Elevated Temperatures

2024· article· en· W4394840548 sur OpenAlexafffund
Peng‐Fei Sui, Min‐Rui Gao, Yicheng Wang, Jing‐Li Luo

Notice bibliographique

RevueAccounts of Materials Research · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundUniversity of Alberta
Mots-clésElectrolysisCathodeMaterials scienceOxideFossil fuelNanotechnologyProcess engineeringElectrolyteChemical engineeringElectrodeWaste managementMetallurgyChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Conspectus Rapid economic growth and societal development have led to an ever-increasing demand for energy; the excessive exploration and use of fossil fuels have caused an alarming level of carbon dioxide (CO 2 ) emission into the atmosphere, adversely impacting the environment and quality of life in human society. CO 2 electrolysis (CO 2 RR) offers the opportunity to store renewable energy (such as wind, solar, or tidal energy) in the form of chemicals and fuels while reducing CO 2 emissions. Through the CO 2 RR process, a variety of chemicals and fuels can be obtained using different electrocatalysts. Based on the different operating temperature and reaction conditions, CO 2 electrolysis can be categorized into low-temperature and high-temperature CO 2 RR. To date, great effort has been devoted to designing the electrocatalysts that can improve the electrocatalytic performance for CO 2 RR, including catalytic activity, selectivity, and stability. For low-temperature CO 2 RR, different approaches have been utilized to optimize the catalyst structure and properties, thereby enhancing the electrocatalytic performance. Given the different working mechanism of high-temperature CO 2 RR operating in the solid oxide electrolysis cells (SOECs), the cathode materials not only need to meet the requirements of the low temperature but also need to possess high ionic and electronic conductivity, robust coking resistance, and superior compatibility with the electrolytes. In pursuit of this objective, considerable effort is directed toward designing more efficient and effective cathode electrodes for high-temperature CO 2 RR. Beyond traditional metal and metal oxide materials, perovskite-based materials are emerging as promising candidates due to their unique structure and favorable performance in CO 2 RR at elevated temperatures. In this Account, we present recent research progress on the design of cathode materials in CO 2 electrolysis. We first discuss low-temperature CO 2 RR electrocatalyst design using different engineering strategies, including structural engineering, defect engineering, phase engineering, doping engineering, interface engineering, and microenvironment engineering. Combined with some representative work from our group and other researchers, the advantages of these diverse strategies are further elucidated, providing a more in-depth understanding of electrocatalyst design. Then, we summarize the cathode materials for high-temperature CO 2 RR utilization based on the material types such as metal/metal oxides and perovskite-based materials. Further discussion of different approaches, such as infiltration, doping, and in situ exsolution is summarized, aims to improving the electrocatalytic performance of perovskite-based materials for high-temperature CO 2 RR. Finally, we present current challenges and future prospects of CO 2 electrolysis in both the design of cathode materials and the reaction system, with the goal of achieving more profitable applications.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,014
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,035
Tête enseignante GPT0,350
Écart entre enseignants0,315 · 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

Citations24
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAccounts of Materials ResearchMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207