Efficient amino-acid-based reactive capture of CO2 via nickel molecular catalyst
Notice bibliographique
Résumé
Reactive capture integrates CO2 capture and electrochemical conversion into CO — a key building block in the synthesis of industrial chemicals and fuels — avoiding costly regeneration steps and improving efficiency. Amino acid salt solutions, which offer rapid CO2 capture, facile CO2 release, O2 tolerance, and low toxicity, are promising sorbents for reactive capture. However, we find that amino acids can adsorb to common CO-producing catalysts, covering the active sites and deactivating the catalyst, and that they bind less to nickel phthalocyanine (NiPc). Still, when tested for reactive capture systems — where CO2 supply is inherently limited — NiPc’s performance is constrained by its weak CO2 adsorption and activation. Here we develop a nickel molecular catalyst supported on carbon nanotubes with a conjugated NiPc framework that resists amino acid adsorption and a coordinatively unsaturated Ni-N3 structure that promotes CO2 adsorption and enhances CO selectivity. As a result, we achieve 94% CO Faradaic efficiency at 100 mA cm–2 with an energy efficiency of 42% and an energy cost of 25 GJ tCO–1. Reactive capture bypasses CO2 regeneration, enabling efficient CO production but with low Faradaic efficiency. The authors report a Ni–N3 molecular catalyst that resists amino acid adsorption and promotes efficient CO production in amino-acid systems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».