MétaCan
Menu
Retour à la cohorte
Enregistrement W4412910544 · doi:10.3390/cryst15080680

New Scalable Electrosynthesis of Distinct High Purity Graphene Nanoallotropes from CO2 Enabled by Transition Metal Nucleation

2025· article· en· W4412910544 sur OpenAlexaff
Kyle Hofstetter, Gad Licht, Stuart Licht

Notice bibliographique

RevueCrystals · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensBP (Canada)
Organismes subventionnairesnon disponible
Mots-clésElectrosynthesisNucleationGrapheneMaterials scienceTransition metalNanotechnologyScalabilityChemical engineeringChemistryComputer scienceElectrochemistryPhysical chemistryElectrodeEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The electrochemical conversion of CO2 into high-purity Graphene NanoCarbon (GNC) materials provides a compelling path to address climate change while producing economically valuable nanomaterials. This work presents the progress and prospects of new large-scale syntheses of GNC allotropes via the C2CNT (CO2 to Carbon Nano Technology) process. The C2CNT molten carbonate electrolysis technique enables the formation of Carbon NanoTubes (CNTs), Magnetic CNTs (MCNTs), Carbon Nano-Onions (CNOs), Carbon Nano-Scaffolds (CNSs), and Helical CNTs (HCNTs) directly from atmospheric or industrial CO2. We discuss the morphology control enabled through variations in electrolyte composition, temperature, current density, and nucleation additives. We present results from scaled operations reaching up to 1000 tons/year CO2 conversion and propose design approaches to reach megaton scales to support climate mitigation and GNC mass production. The products demonstrate high crystallinity, as evidenced by Raman, XRD, SEM, and TGA analyses, and offer promising applications in electronics, construction, catalysis, and medical sectors.

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,199
Écart entre enseignants0,195 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrystalsMême sujetAdvancements in Battery MaterialsTravaux en français237 207