Modulating Hydrogen Exchange Capabilities by Heterogenizing Pd Nanoclusters onto Ni <sub>3</sub> C Multipods for Efficiently Driving the “Formaldehyde-Nitrate” Tandem Electrochemical System
Notice bibliographique
Résumé
Nitrate and formaldehyde, common industrial byproducts and waterborne pollutants, pose serious environmental and health hazards, yet their efficient conversion remains challenging due to sluggish hydrogen (H*) transfer and limited recycling strategies. While recent studies have explored nitrate reduction (NO 3 RR) and formaldehyde oxidation (FOR) coupling, they faced critical limitations such as no H 2 generation, a lack of electricity output, and reliance on Cu-based catalysts prone to deactivation. This work presents Pd nanoclusters on nickel carbide (Pd nc -Ni 3 C) that serve as a noncopper bifunctional catalyst that possesses superior H* exchange capabilities enabling dual-directional catalysis of NO 3 RR and FOR. At the cathode, Pd nc -Ni 3 C achieves an onset potential of +0.27 V vs RHE, and 98% Faradaic efficiency for NH 3 at −0.3 V. At the anode, Pd nc -Ni 3 C achieves an efficient FOR at a low onset potential of 0.04 V and enables a broad oxidation window (0–1.2 V) with high current density (up to 910 mA cm –2 ), outperforming previously reported Cu- and Ni-based systems. Differential electrochemical mass spectra reveal a previously unexplored intermolecular coupling pathway for H 2 evolution, advancing mechanistic insight into the 1-electron formaldehyde oxidation process. By coupling the NO 3 RR and FOR, a high-performance “Formaldehyde–Nitrate” galvanic cell is achieved with an OCV of 0.88 V and peak power density of 7.4 mW cm –2 . Distinctively, this Ni based system simultaneously converts industrial waste into green energy carriers (H 2, NH 3 ) and value-added chemicals (formate) while producing electricity, offering both environmental and economic benefits.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».