SnO: ключ к эффективному преобразованию CO₂

В исследовании, опубликованном в журнале ACS Catalysis, проводятся детальные исследования электрокимической редукции углекислого газа (CO₂RR) с использованием катализаторов на основе оксида олова (SnO). Основная цель работы — выявить, как структурные изменения SnO влияют на образование формовой кислоты (HCOOH) и угарного газа (CO), важных для топливного производства и промышленного применения.
SnO: ключ к эффективному преобразованию CO₂
Изображение носит иллюстративный характер

Материалы на основе олова привлекают внимание благодаря своей экономической эффективности и нетоксичности, что делает их перспективными для применения в процессах CO₂RR. Ранее исследования в основном сосредотачивались на оксиде олова (SnO₂), где доминирующим продуктом была формовая кислота. Новые данные указывают, что катализаторы на основе SnO способны синтезировать HCOOH и CO в сопоставимых количествах, что открывает новые возможности для многоцелевого использования.

Масштабный анализ экспериментальных исследований CO₂RR позволил выявить тенденции и особенности поведения катализаторов на основе олова. При этом использовались метод поддержания постоянного потенциала, анализ покрытия поверхности и её реконструкции. Сравнительные симуляции первичных и реконструированных поверхностей SnO дали возможность определить влияние структурных преобразований на электрохимическую активность.

Ключевое наблюдение исследования заключается в электрохимически индуцированном образовании кислородных вакансий на активной поверхности SnO. Эти вакансии играют критическую роль в распределении продукции, направляя образование как формовой кислоты, так и угарного газа. Результаты демонстрируют, что именно структура поверхности определяет эффективность каталитических процессов.

Полученные данные подтверждают, что модификация структуры SnO существенно влияет на результаты CO₂RR. Образование кислородных вакансий способствует равномерному распределению C1-продуктов, что позволяет оптимизировать синтез ценных химических веществ. Эти выводы способствуют разработке более селективных и эффективных электрокатализаторов.

Авторами работы выступил доцент Хао Ли из Института передовых материалов Тохоку университета (WPI-AIMR). По его словам: «Это исследование предоставляет новые сведения о том, как можно оптимизировать катализаторы на основе SnO для преобразования CO₂. Понимание влияния модификации поверхности на распределение продуктов является важным шагом к разработке более эффективных и селективных электрокатализаторов.»

Дальнейшие исследования будут направлены на атомарное моделирование катализаторов на основе олова с интеграцией методов машинного обучения. Такой междисциплинарный подход позволит ускорить прогнозирование и открытие новых эффективных электрокатализаторов, а также оптимизировать условия реакции для достижения максимальной эффективности преобразования CO₂.


Новое на сайте

19164Уязвимые обучающие приложения открывают доступ к облакам Fortune 500 для криптомайнинга 19163Почему ботнет SSHStalker успешно атакует Linux уязвимостями десятилетней давности? 19162Microsoft устранила шесть уязвимостей нулевого дня и анонсировала радикальные изменения в... 19161Эскалация цифровой угрозы: как IT-специалисты КНДР используют реальные личности для... 19160Скрытые потребности клиентов и преимущество наблюдения над опросами 19159Академическое фиаско Дороти Паркер в Лос-Анджелесе 19158Китайский шпионский фреймворк DKnife захватывает роутеры с 2019 года 19157Каким образом корейские детские хоры 1950-х годов превратили геополитику в музыку и... 19156Научная революция цвета в женской моде викторианской эпохи 19155Как новый сканер Microsoft обнаруживает «спящих агентов» в открытых моделях ИИ? 19154Как новая кампания DEADVAX использует файлы VHD для скрытой доставки трояна AsyncRAT? 19153Как новые китайские киберкампании взламывают госструктуры Юго-Восточной Азии? 19152Культ священного манго и закат эпохи хунвейбинов в маоистском Китае 19151Готовы ли вы к эре коэффициента адаптивности, когда IQ и EQ больше не гарантируют успех? 19150Иранская группировка RedKitten применяет сгенерированный нейросетями код для кибершпионажа
Ссылка