JACS: 通过学习脉冲神经网络开发具有忆阻性氮还原活性的可再充电催化剂
雨辰 雨辰 2021-04-01

从N2到NH3的电催化已得到越来越多的研究,因为它提供了一种环境友好的方法来代替当前的Haber-Bosch方法。不幸的是,N2转化为NH3的转化率远低于大规模实施所必需的水平。

有鉴于此,犹他大学Yan Sun、南京大学Lizhe Liu和河海大学王沛芳教授等人,设计了双面FeReS3 Janus层,该层模仿了由电阻开关突触组成的多神经元网络,从而实现了一系列有趣的多相转变,从而活化了最优的催化活性。

本文要点

1受脉冲神经网络信号记忆的启发,开发了可再充电催化剂技术,利用可控的电刺激来活化并再生最佳的催化活性。提出了一种模仿生物神经子系统的设计策略,即一种有效的电场刺激系统,以驱动结构从传统相转变为具有高催化活性的特定结构。

2在一个基本的生物神经系统中,突触后神经元(POST)由两个突触前神经元(PRE)通过从后树突到前轴突的突触相连。每一个突触反应都依赖于动作电位,动作电位从前神经传导到后神经。可以通过相变存储(PCM)设备来模仿生物突触,其中神经递质的积累决定了突触反应,在PCM器件中,两个接触电极之间的介电区域的电导率可以通过结构转变来调节。

3通过两个非等效表面之间的活性位点转换,活化能势垒明显降低。在电场刺激下,FeReS3合成NH3的法拉第效率为43%,最高速率为203 μg h-1 mg-1。此外,这种可再充电催化剂表现出前所未有的催化性能,可持续长达216小时,并可以通过简单的充电操作重复活化。

参考文献:

Gang Zhou et al. Recharged Catalyst with Memristive Nitrogen Reduction Activity through Learning Networks of Spiking Neurons. J. Am. Chem. Soc., 2021.

DOI: 10.1021/jacs.0c12458

https://doi.org/10.1021/jacs.0c12458


加载更多
1475

版权声明:

1) 本文仅代表原作者观点,不代表本平台立场,请批判性阅读! 2) 本文内容若存在版权问题,请联系我们及时处理。 3) 除特别说明,本文版权归纳米人工作室所有,翻版必究!
雨辰

催化;燃料电池;多孔炭材料;炭气凝胶;隔热

发布文章:2069篇 阅读次数:3175762
纳米人
你好测试
copryright 2016 纳米人 闽ICP备16031428号-1

关注公众号