MétaCan
Menu
Retour à la cohorte
Enregistrement W4410480594 · doi:10.26434/chemrxiv-2025-kszw6

Tri-Coordinated Copper Single Atoms on SAPO-34 Boosts Acetic Acid Production from Methane and Carbon Dioxide

2025· preprint· en· W4410480594 sur OpenAlexafffund
Shangzhi Song, Andrew Wang, Jun Wu, Xinlei Zhao, Liguang Du, Jing Ding, Nengjie Feng, Wei Du, Danhua Mei, Han Hao, Hui Wan, Guofeng Guan

Notice bibliographique

RevueChemRxiv · 2025
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAlliance de recherche numérique du CanadaNanjing Tech UniversityUniversity of TorontoNational Natural Science Foundation of China
Mots-clésMethaneCarbon dioxideAcetic acidCopperChemistryProduction (economics)Carbon fibersInorganic chemistryMaterials scienceOrganic chemistryComposite materialEconomicsComposite number

Résumé

récupéré en direct d'OpenAlex

Plasma-driven conversion of CH4 and CO2 into CH3COOH presents a sustainable pathway for greenhouse gas utilization, but the improvement of CH3COOH selectivity remains a bottleneck. Here, we present a catalyst with atomically dispersed Cu species on SAPO-34 zeolites (based on the CHA topology), synergistically enhancing plasma-catalytic conversion of CH4 and CO2 into CH3COOH. Through a simple impregnation method, we obtain Cu1@SAPO-34 single atom catalysts where Cu single atoms (Cu SAs) are anchored to form unique tri-coordinated Cu1-O3 sites that exhibit a strong metal-support interactions between Cu and SAPO-34. These Cu SAs enable a selectivity of CH3COOH (18.36 %) on Cu1@SAPO-34 (5.07 % higher than SAPO-34), with theoretical calculations suggesting that the Cu SAs can help lower the energy required for CH4 activation. By rationally correlating atomic-scale coordination environments with DFT calculations, this work not only promotes a novel strategy for designing the metal coordination environment of SACs but also provides a valuable avenue for applying Cu-based SACs towards enhancing product selectivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,264
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207