High Dispersion of Copper Nanoparticles on Carbon Black in Minimal Loadings Enhances the Electroreduction of CO <sub>2</sub> to CO
Notice bibliographique
Résumé
Abstract Electrochemical CO₂ reduction (ECR) offers a promising route for converting CO₂ emissions into valuable chemicals. To enhance economic viability, the development of efficient and low‐cost catalysts based on nonnoble metals is crucial. This study focuses on copper (Cu) nanoparticles highly dispersed on a carbon black (CB) support, synthesized via a solvothermal method that allows for precise control over particle size and loading. We demonstrate that tuning these properties is essential to steer the selectivity of CO₂ reduction toward carbon monoxide (CO). Notably, a low catalyst loading of only 0.159 mg/cm 2 was sufficient to achieve high performance. The optimized catalyst delivered a CO partial current density of 66 mA/cm 2 (total current density of 100 mA/cm 2 with 66% Faradaic efficiency (FE) for CO) at a cell voltage of 3.2 V. Furthermore, our results highlight the critical role of the gas diffusion layer (GDL), showing that its composition significantly impacts catalyst activity. This underscores the necessity of engineering advanced GDLs with tailored conductivity, stability, and hydrophobicity to further boost the performance of Cu‐based catalysts in CO₂ 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) | 0,001 | 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 ».