Hydrogen Recovery from H<sub>2</sub>S Electrochemical Oxidation: A DFT Study
Notice bibliographique
Résumé
Electrolysis of hydrogen sulfide (H 2 S) offers a green and zero-emission process for producing hydrogen and treating pervasive and harmful H 2 S from oil and gas refineries. However, the development of such a technology requires an efficient and stable catalyst. Herein, we investigate the mechanism of the electrochemical H 2 S oxidation reaction (H 2 SOR) over various metal oxides and metal sulfides using DFT calculations. We demonstrate why RuO 2 has been widely reported as an active H 2 SOR catalyst. We also demonstrate that metal oxides are affected by sulfur poisoning and that their activity toward H 2 SOR is enhanced following sulfur coverage. By including surface coverage analysis for S-intermediates, we identify TiO 2 as a promising and durable catalyst for H 2 SOR with a 0.49 V calculated overpotential. We also investigated the H 2 SOR activity of pristine and doped metal sulfides. We show that even though doping appears to reduce the overpotential needed to drive H 2 SOR, the S-intermediates block the active sites and decrease the reactivity. This research paves the way for the creation of more effective catalysts by providing a computational understanding of H 2 S electrolysis over various catalysts.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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 tête enseignante, 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 ».