MétaCan
Menu
← Retour à la cohorte
Enregistrement W7139776635

Changing the Selectivity of O2 Reduction Catalysis with One Ligand Heteroatom

2019· other· W7139776635 sur OpenAlexfundno aff
Soumalya Sinha, Moumita Ghosh, Jeffrey J. Warren

Notice bibliographique

RevueSummit (Simon Fraser University) · 2019
Typeother
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaIndian Institute of Science Education and Research MohaliSimon Fraser University
Mots-clésSelectivityCatalysisLigand (biochemistry)HeteroatomReduction (mathematics)Selective reduction
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The development of catalytic systems that selectively reduce O2 to water is needed to continue the advancement of fuel cell technologies.As an alternative to platinum catalysts, derivatives of iron (Fe) and cobalt (Co) porphyrin molecular catalysts provide one benchmark for catalyst design, but incorporation of these catalysts into heterogeneous platforms remains a challenge.Co-porphyrins can be heterogeneous O2 reduction catalysts when immobilized on to edge plane graphite (EPG) electrodes, but their selectivity for the desired 4-electron reduction of O2 to H2O is often poor.Herein, we demonstrate substantial improvements in the O2 reduction selectivity for a Coporphyrin by incorporating a 2-pyridyl group at one of the meso-positions of a Cotetraarylporphyrin (cobalt(II) 5-(2-pyridyl)-10,15,20-triphenylporphyrin, CoTPPy).The properties of CoTPPy immobilized on EPG were investigated using cyclic voltammetry, rotating disk and rotating ring-disk electrochemistry.The presence of a single 2-pyridyl group in the CoTPPy gives rise to the 4-electron reduction of O2, as opposed to the 2-electron reduction commonly associated with cobalt porphyrins.Detailed electrochemical studies of CoTPPy and related Co and Fe porphyrins are described.Use of Co instead of Fe improves overpotentials by over 200 mV with a factor of two increase in maximum turnover frequency (TOFmax).This work demonstrates that a simple change in catalyst structure can dramatically change the selectivity for O2 reduction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0280,008

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 GPT0,192
Écart entre enseignants0,181 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueSummit (Simon Fraser University)→Travaux en français237 207→