MétaCan
Menu
Retour à la cohorte
Enregistrement W4412930945 · doi:10.1093/nsr/nwaf312

Proton-donating cations enable efficient and stable acidic CO2 reduction in membrane electrode assemblies

2025· article· en· W4412930945 sur OpenAlexaff
Shijia Feng, Ziang Liu, Dongfang Cheng, Yunfeng Hu, Sizhe Chen, Jiabao Li, Xiaorui Dong, Tianyu Wang, Ziwei Wang, Yulun Wu, Ya Yin, Hongzhi Zheng, Philippe Sautet, Xiaojun Wang, Jia Zhu

Notice bibliographique

RevueNational Science Review · 2025
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsNational Laboratory of Solid State Microstructures, Nanjing UniversityGovernment of Jiangsu ProvinceNatural Science Foundation of Jiangsu ProvinceInstitute for Digital Research and Education, University of California, Los AngelesNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésProtonReduction (mathematics)ElectrodeMembraneMaterials scienceChemical engineeringChemistryPhysical chemistryPhysicsMathematicsEngineeringNuclear physicsBiochemistryGeometry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Electrochemical CO2 reduction (CO2R) in acidic membrane electrode assemblies (MEAs) represents a promising pathway for sustainable chemical production, but achieving high selectivity, low cell voltage and long-term stability remains challenging. Current approaches using alkali cations can promote selectivity through cationic effects, but relying on H2O as a weak proton donor results in high overpotential and severe precipitation, causing elevated cell voltage and poor operational stability. Here, we introduce NH4+ as a proton-donating cation that simultaneously addresses these challenges in acidic MEAs. As a cation, it electromigrates to the catalyst surface, stabilizing *CO2 intermediates and reducing localized H+ concentration for high selectivity. As a proton donor, it provides superior proton-donating ability compared to H2O when H+ mass transport is limited, which decreases the protonation barrier and reduces CO2R overpotential on CoPc@CNT, resulting in a lower cell voltage. Furthermore, NH4+ effectively donates protons to bicarbonate, promoting its decomposition at significantly lower temperatures compared to KHCO3, thereby enabling easy removal of precipitates through mild heating and maintaining an NH3/NH4+ recirculation system for operational stability. As a result, this approach achieves an average CO2-to-CO selectivity of 86% in acidic MEAs at 100 mA cm−2 and 60°C using CoPc@CNT–NH2 catalyst, with stable performance over 110 h at an average cell voltage of 2.84 V, corresponding to a 40.6% energy efficiency. This strategy advances acidic MEA-based CO2R toward practical implementation by simultaneously achieving high selectivity, low overpotential and stable operation.

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 Opus0,017
Tête enseignante GPT0,326
Écart entre enseignants0,309 · 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

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Science ReviewMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207