Arraying faceted manganese oxides for selective ethylene electro-oxidation to ethylene glycol in aqueous electrolytes
Notice bibliographique
Résumé
The electro-oxidation of ethylene to ethylene glycol (EG) offers a sustainable pathway for chemical manufacturing, but demands selective non-precious-metal (NPM) electrocatalysts. Here, we design and fabricate a class of arrayed Mn2O3 electrode, which shows a high EG selectivity in practically-favorable aqueous electrolytes among NPM catalysts. By screening various manganese oxides, we first pinpoint Mn2O3 to be the most selective to EG. Density functional theory calculations further reveal that the (111) facet facilitates the second OH* addition to *C2H4OH, the rate-limiting step toward EG. These fundamental findings motivate us to controllably synthesize the (111)-dominant Mn2O3 nanoarrays, which deliver a 52.6 % Faradaic efficiency for EG—the highest for NPM electrocatalysts in aqueous media. Electrochemical and operando spectral studies verify that stabilizing moderately oxidized Mn (III) state under operational anodic bias is essential to the high selectivity of EG. Our findings highlight the crucial role of Mn surface chemistry in steering alkene oxidation and advance the electrosynthesis of EG closer to practicability. The electrooxidation of ethylene to ethylene glycol (EG) offers a sustainable pathway for chemical manufacturing, but demands selective non-precious-metal electrocatalysts. Here, the authors report a class of (111)-rich Mn2O3 nanoarray electrode, which achieves a high selectivity of 52.6% for for ethylene-to-EG conversion in aqueous electrolytes.
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 ».