MétaCan
Menu
Retour à la cohorte
Enregistrement W4400498083 · doi:10.1002/smll.202404254

Biochar Meets Single‐Atom: A Catalyst for Efficient Utilization in Environmental Protection Applications and Energy Conversion

2024· review· en· W4400498083 sur OpenAlexaff
Ting Zhou, Jie Deng, Yuxi Zeng, Xiaoqian Liu, Biao Song, Shujing Ye, Meifang Li, Yang Yang, Ziwei Wang, Chengyun Zhou

Notice bibliographique

RevueSmall · 2024
Typereview
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBiocharCatalysisPyrolysisMaterials scienceCarbon fibersNanotechnologyBiomass (ecology)Chemical engineeringChemistryOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Single-atom catalysts (SACs), combining the advantages of multiphase and homogeneous catalysis, have been increasingly investigated in various catalytic applications. Carbon-based SACs have attracted much attention due to their large specific surface area, high porosity, particular electronic structure, and excellent stability. As a cheap and readily available carbon material, biochar has begun to be used as an alternative to carbon nanotubes, graphene, and other such expensive carbon matrices to prepare SACs. However, a review of biochar-based SACs for environmental pollutant removal and energy conversion and storage is lacking. This review focuses on strategies for synthesizing biochar-based SACs, such as pre-treatment of organisms with metal salts, insertion of metal elements into biochar, or pyrolysis of metal-rich biomass, which are more simplistic ways of synthesizing SACs. Meanwhile, this paper attempts to 1) demonstrate their applications in environmental remediation based on advanced oxidation technology and energy conversion and storage based on electrocatalysis; 2) reveal the catalytic oxidation mechanism in different catalytic systems; 3) discuss the stability of biochar-based SACs; and 4) present the future developments and challenges regarding biochar-based SACs.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,036
Tête enseignante GPT0,254
Écart entre enseignants0,218 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207