MétaCan
Menu
Retour à la cohorte
Enregistrement W4399860962 · doi:10.1021/acs.energyfuels.4c01163

Ni-Decorated N-Doped Biomass-Derived Porous Carbon toward Efficient Electroreduction of CO<sub>2</sub> to CO

2024· article· en· W4399860962 sur OpenAlexaff
Songan Zhao, Kai Zhang, Lanlan Wu, Xiaohang Du, Shujuan Sun, Yanji Wang, Jingde Li, Zisheng Zhang

Notice bibliographique

RevueEnergy & Fuels · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Science Foundation of Hebei ProvinceNational Natural Science Foundation of China
Mots-clésCarbon fibersDopingBiomass (ecology)PorosityChemical engineeringMaterials scienceChemistryInorganic chemistryOrganic chemistryGeologyComposite number

Résumé

récupéré en direct d'OpenAlex

Electrochemical CO 2 reduction reaction (CO 2 RR) holds great prospects for transforming CO 2 into useful chemicals. However, there is still a long way to go to develop effective and affordable electrochemical CO 2 RR catalysts. In this work, a nickel-decorated nitrogen-doped biomass-derived porous carbon (Ni@N-BPC) catalyst was developed. The catalyst displayed a high specific surface area and superior CO 2 RR capability. The Faraday efficiency of CO exceeds ninety percent, ranging from a broad potential of 400 mV (−0.7 to −1.1 V vs RHE), reaching approximately 98.41% at −0.9 V vs RHE. The reaction pathway of CO 2 conversion to CO on Ni@N-BPC was analyzed by the in situ Fourier transform infrared spectroscopy method. Based on theoretical calculations, the rate-determining step shifts from the *COOH creation to the *CO desorption step by Ni anchoring. Meanwhile, N doping modulates the electronic structure and facilitates charge transport, lowering the overpotential of the rate-determining step, thus facilitating the formation of CO. This work offers fresh perspectives on the development and utilization of biomass-derived carbon materials as CO 2 RR electrocatalysts.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,011
Tête enseignante GPT0,248
Écart entre enseignants0,237 · 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'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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207