MétaCan
Menu
Retour à la cohorte
Enregistrement W4417158402 · doi:10.1021/acscatal.5c04431

Exposure of Active Metal Sites on Cu <sub>14</sub> Nanoclusters for Highly Selective Electrocatalytic Nitrate Reduction

2025· article· en· W4417158402 sur OpenAlexafffund
Shiho Tomihari, Maho Kamiyama, Harpriya Minhas, Tokuhisa Kawawaki, Kana Takemae, Yamato Shingyouchi, Ziyi Chen, Biswarup Pathak, Yuichi Negishi

Notice bibliographique

RevueACS Catalysis · 2025
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAmmonia Synthesis and Nitrogen Reduction
Établissements canadiensDalhousie University
Organismes subventionnairesJapan Society for the Promotion of ScienceJKA FoundationEnvironmental Restoration and Conservation AgencyIchimura Foundation of New TechnologyIwatani Naoji FoundationDalhousie UniversityIndian Institute of Technology Indore
Mots-clésNanoclustersCatalysisMetalActive siteSelectivityAmmonia productionElectrochemistry

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Atomically precise metal nanoclusters (NCs) have been extensively used as catalysts for various reactions owing to the ultimate controllability of their parameters, such as number of constituent atoms, crystal structure, and alloying characteristics. However, for many metal NCs, their surfaces are entirely covered by ligands, preventing the exposure of surface metal atoms that serve as active sites and thus hindering their catalytic functionality. Herein, we report that the exposure of metal sites in Cu 14 NC can be achieved by a facile modification of the thiolate ligands. Consequently, we found that Cu 14 NC with an exposed Cu site exhibits significantly higher ammonia selectivity and production rate in electrochemical nitrate reduction. These findings underscore the importance of atomically precise control for metal NCs, not only of their overall geometric structures but also of their reactive sites, for achieving highly selective and active catalysts, contributing to the future design of diverse metal NC catalysts.

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 enseignants0,009
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 Opus0,008
Tête enseignante GPT0,223
Écart entre enseignants0,215 · 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

Citations12
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS CatalysisMême sujetAmmonia Synthesis and Nitrogen ReductionTravaux en français237 207