Surfactant-Mediated Interfacial Hydrogen Evolution Reaction
Notice bibliographique
Résumé
Hydrogen is a highly promising clean energy source without greenhouse gas emissions. Liquid organic hydrogen carriers (LOHCs) offer a promising alternative for convenient storage and transportation. This study investigates the interfacial hydrogen evolution reaction between polymethylhydrosiloxane (PMH), a representative LOHC, and water, focusing on controlling reaction kinetics by modifying interfacial properties with surfactants. The hydrogen production rate at a planar interface between PMH and water catalyzed by sodium hydroxide revealed that surfactants such as Tween 20 and sodium dodecyl sulfate (SDS) can slow down the hydrogen formation by 5 to 20 times, possibly due to an overcrowded interface effect. In contrast, cationic surfactants, such as hexadecyltrimethylammonium bromide (CTAB) and other quaternary ammonium surfactants, act as pseudo phase-transfer catalysts and accelerate the hydrogen formation rate up to 3-fold at a concentration of 0.05 times their critical micelle concentration. As the PMH microdroplets were dispersed in the surfactant aqueous solution, the conversion yields of hydrogen with cationic surfactants reached up to 45%, which is significantly higher than the yields achieved with Tween 20 or SDS. The effects of the surfactant type were further confirmed by following hydrogen bubble growth in a single PMH droplet. Overall, our findings demonstrate that selecting an appropriate surfactant can provide an effective control over the interfacial reaction rate of dehydrogenation of LOHCs. This offers strategies for manipulating liquid-liquid interfaces and controlling in-demand hydrogen production.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».