MétaCan
Menu
Retour à la cohorte
Enregistrement W4401752852 · doi:10.1073/pnas.2408183121

A synergetic cocatalyst for conversion of carbon dioxide, sunlight, and water into methanol

2024· article· en· W4401752852 sur OpenAlexafffund
Zhengwei Ye, Ke Yang, Bingxing Zhang, Ishtiaque Ahmed Navid, Yifan Shen, Yixin Xiao, Alexandre Pofelski, Gianluigi A. Botton, Tao Ma, Shubham Mondal, Theodore B. Norris, Víctor S. Batista, Zetian Mi

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesArmy Research OfficeNatural Sciences and Engineering Research Council of CanadaMcMaster University
Mots-clésPhotocatalysisHydrogenMethanolMaterials scienceElectrochemical reduction of carbon dioxideChemical engineeringCarbon fibersCatalysisHydrogen productionElectron transferPhotochemistryChemistryNanotechnologyCarbon monoxideOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The conversion of CO 2 into liquid fuels, using only sunlight and water, offers a promising path to carbon neutrality. An outstanding challenge is to achieve high efficiency and product selectivity. Here, we introduce a wireless photocatalytic architecture for conversion of CO 2 and water into methanol and oxygen. The catalytic material consists of semiconducting nanowires decorated with core–shell nanoparticles, with a copper-rhodium core and a chromium oxide shell. The Rh/CrOOH interface provides a unidirectional channel for proton reduction, enabling hydrogen spillover at the core–shell interface. The vectorial transfer of protons, electrons, and hydrogen atoms allows for switching the mechanism of CO 2 reduction from a proton-coupled electron transfer pathway in aqueous solution to hydrogenation of CO 2 with a solar-to-methanol efficiency of 0.22%. The reported findings demonstrate a highly efficient, stable, and scalable wireless system for synthesis of methanol from CO 2 that could provide a viable path toward carbon neutrality and environmental sustainability.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,050
Score d'incertitude au seuil0,266

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,022
Tête enseignante GPT0,304
Écart entre enseignants0,282 · 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.

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

Citations15
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207