MétaCan
Menu
Retour à la cohorte
Enregistrement W4415517531 · doi:10.1002/smll.202511008

Bicarbonate‐Stabilized Cu <sub>2</sub> O/Cu Heterointerfaces Enable Efficient Ethylene Electrosynthesis From Carbon Capture Solutions

2025· article· en· W4415517531 sur OpenAlexafffund
Siwei Ma, Hangtian Hu, Feiyue Shen, Zhangxin Chen, Jinguang Hu

Notice bibliographique

RevueSmall · 2025
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAgriculture and Agri-Food CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésFaraday efficiencyElectrolyteElectrosynthesisCarbon fibersBicarbonateElectrochemistryEthyleneSelectivity

Résumé

récupéré en direct d'OpenAlex

Abstract The direct electrochemical conversion of carbon capture solutions into multi‐carbon (C 2+ ) products offers a sustainable alternative to decarbonize chemical manufacturing, bypassing energy‐intensive CO 2 regeneration and purification steps in conventional CO 2 conversion technologies. However, it faces persistent challenges in selectivity and operational stability. Here, this study demonstrates that bicarbonate, an inherent component of carbon capture media, stabilizes Cu 2 O/Cu heterointerfaces in laminate oxide‐derived Cu (LOD‐Cu) catalysts, enabling long‐term ethylene (C 2 H 4 ) production. In a zero‐gap membrane electrode assembly (MEA) electrolyzer, bicarbonate electrolytes support a C 2 H 4 Faradaic efficiency of ≈54% at 200 mA cm −2 over 80 h of continuous operation. In situ spectroscopic analysis reveals that bicarbonate mitigates the full reduction of Cu 2 O, preserving interfacial motifs that are critical for C─C coupling. This work uncovers bicarbonate's role in stabilizing Cu 2 O/Cu heterointerfaces, thereby preserving catalytically active motifs and enabling efficient, durable C 2 H 4 production. It provides a practical strategy for integrating carbon capture with renewable C 2 H 4 chemical synthesis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,019
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207