The Impact of a NiFe-Based Metal Alloy on CO2 Conversion to CH4 and Carboxylic Acids in a Microbial Electrosynthesis Cell
Notice bibliographique
Résumé
This study assessed the effects of NiFe-based metal catalysts on CO2 conversion to methane (CH4) and carboxylic acids in microbial electrosynthesis (MES) cells. A NiFeBi alloy, when electrodeposited on a conductive bioring cathode, significantly decreased CH4 production from 0.55 to 0.12 L (Lc d)−1 while enhancing acetate production to 1.0 g (Lc d)−1, indicating suppressed methanogenic activity and improved acetogenic activity. On the other hand, NiFeMn and NiFeSn catalysts showed varied effects, with NiFeSn increasing both CH4 and acetate production and suggesting potential in promoting both chain elongation and CO2 uptake. When these alloys were electrodeposited on a 3D-printed conductive polylactide (cPLA) lattice, the production of longer-chain carboxylic acids like butyrate and caproate increased significantly, indicating enhanced biocompatibility and nutrient delivery. The NiFeSn-coated cPLA lattice increased caproate production, which was further enhanced using an acetogenic enrichment. However, the overall throughput remained low at 0.1 g (Lc d)−1. Cyclic voltammetric analysis demonstrated improved electrochemical responses with catalyst coatings, indicating better electron transfer. These findings underscore the importance of catalyst selection and cathode design in optimizing MES systems for efficient CO2 conversion to value-added products, contributing to environmental sustainability and industrial applications.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».