Catalysts for electrochemical CO2 conversion: material sustainability perspective
Notice bibliographique
Résumé
The electrochemical reduction of CO 2 (eCO 2 R) presents a promising pathway for addressing climate change by converting CO 2 into value-added chemicals and fuels. A crucial aspect of this technology is the choice of catalyst materials, which directly influences the selectivity, stability and sustainability of the process. Here we introduce a streamlined supply risk assessment coupled with life-cycle environmental impact associated with various catalysts used in eCO 2 R for products, including formate, carbon monoxide, ethylene, and ethanol to provide a well-rounded perspective for catalysts’ sustainability assessment. We compare more than 68 case studies in eCO 2 R using various metal-based catalysts. Our results show that Bi-based catalysts for formate production have the highest supply risk and environmental burdens, while Sn-based catalysts show overall better durability and much lower sustainability concerns. Copper-based catalysts’ supply risk for ethylene conversion is lower and more concentrated, whereas the supply risk for ethanol conversion is more dispersed. Our findings further confirm that improving catalyst performance—especially the stability—can substantially mitigate both supply risks and environmental impacts. This highlights the urgent need for standardized methodologies to assess catalyst stability and novel strategies to further improve catalyst stability using both material and system approaches. We call for stronger cross-sector collaboration to further integrate criticality and sustainability assessment frameworks with more granular datasets and dynamic spatial and temporal representation, for continuous eco-design improvement of eCO 2 R 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».