Maximizing CO<sub>2</sub> Reduction Efficiency: Surface‐Regulated Highly Porous Ag‐Cu Alloy Aerogel Inserted With Multi‐Wall Carbon Nanotube Achieving Nearly Complete CO Selectivity
Notice bibliographique
Résumé
Abstract The electrochemical reduction of CO2 (eCO2RR) holds promise in mitigating atmospheric greenhouse gas levels but is hindered by low reaction kinetics, high energy barriers, and poor selectivity. To address these challenges, we developed a novel series of cost‐effective AgCu‐containing metal‐aerogel catalysts with high electrochemical surface areas (ECSA) using a top‐down reduction approach. The Ag85Cu15 aerogel, with an ECSA of 27.41 cm2, achieved a Faraday efficiency (FE%) of 89.3 % for CO production at −0.9 V vs. RHE. Increasing the Cu content to over 50 % in the aerogel matrix produced small amounts of C2H4, with a maximum FE% of 12.9 % at −1.0 V vs. RHE. To further enhance CO2 reduction efficiency, multi‐walled carbon nanotubes (CNT) were incorporated into the Ag85Cu15 alloy aerogel via a hydrothermal treatment. The highly dispersed CNTs within the aerogel matrix increased the ECSA to 57.00 cm2 by forming a well‐defined porous structure through van‐der Waals interactions, improving CO selectivity, and achieving a FE% of 98.6 % at −0.7 V vs. RHE and a partial current density of 9.6 mA/cm2 in an H‐cell. 86 % of the initial FECO% was maintained during an 18 h test with continuous electrolysis.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».