Computation‐Guided Dual‐Site Electrocatalysts for Record‐Performance Nitrite‐to‐Ammonia Conversion
Notice bibliographique
Résumé
Abstract Designing catalysts that can simultaneously accelerate reactant activation and hydrogenation remains a central challenge in electrochemical ammonia synthesis. Here, a computation‐guided, dual‐site electrocatalyst design strategy that bridges first‐principles theory with device‐level validation is reported. Guided by density functional theory, Cu‐doped ZnO is identified as an optimal dual‐site platform: Cu sites upshift the Zn d‐band center, strengthening * NO 2 adsorption and enabling facile deoxygenation, while ZnO sites promote water dissociation to supply protons at the reaction interface. This cooperative synergy precisely tunes nitrite activation and hydrogenation kinetics, suppressing competing hydrogen evolution. The resulting catalyst achieves a record NH 3 yield of 552.16 mg h −1 cm −2 with 87.9% Faradaic efficiency in a membrane electrode assembly—4× and 18× higher than flow‐ and H‐cell configurations, respectively. Operando spectroscopy confirms the predicted mechanism, demonstrating a theory‐to‐device workflow that replaces trial‐and‐error with predictive catalyst design. This approach establishes a generalizable paradigm for developing advanced electrocatalysts for sustainable chemical transformations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».