Decomposition Process of Carboxylate MOF HKUST-1 Unveiled at the Atomic Scale Level

Auteurs : Michela Todaro, Gianpiero Buscarino, Luisa Sciortino, Antonino Alessi, Fabrizio Messina, Marco Taddei, Marco Ranocchiari, Marco Cannas, Franco M. Gelardi

J. Phys. Chem. C, 2016
arXiv: 1704.01008v1 - DOI (cond-mat.mtrl-sci)
37 pages, 11 figures

Résumé : HKUST-1 is a metal-organic framework (MOF) which plays a significant role both in applicative and basic fields of research, thanks to its outstanding properties of adsorption and catalysis but also because it is a reference material for the study of many general properties of MOFs. Its metallic group comprises a pair of Cu2+ ions chelated by four carboxylate bridges, forming a structure known as paddle-wheel unit, which is the heart of the material. However, previous studies have well established that the paddle-wheel is incline to hydrolysis. In fact, the prolonged exposure of the material to moisture promotes the hydrolysis of Cu-O bonds in the paddle-wheels, so breaking the crystalline network. The main objective of the present experimental investigation is the determination of the details of the structural defects induced by this process in the crystal and it has been successfully pursued by coupling the electron paramagnetic resonance spectroscopy with other more commonly considered techniques, as X-ray diffraction, surface area estimation and scanning electron microscopy. Thanks to this original approach we have recognized three stages of the process of decomposition of HKUST-1 and we have unveiled the details of the corresponding equilibrium structures of the paddle-wheels at the atomic scale level.

Soumis à arXiv le 31 Mar. 2017

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.