MétaCan
Menu
Retour à la cohorte
Enregistrement W1668366526 · doi:10.3390/catal5031574

Nitrogen-Doped Carbon Nanotube and Graphene Materials for Oxygen Reduction Reactions

2015· article· en· W1668366526 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueCatalysts · 2015
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesNatural Science Foundation of Shanxi ProvinceCentre québécois sur les matériaux fonctionnelsChina Scholarship CouncilInstitut national de la recherche scientifique
Mots-clésMaterials scienceGrapheneCarbon nanotubeCarbon fibersCatalysisOxygen reduction reactionNanotechnologyFuel cellsChemical engineeringChemistryElectrodeElectrochemistryComposite materialComposite numberOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Nitrogen-doped carbon materials, including nitrogen-doped carbon nanotubes (NCNTs) and nitrogen-doped graphene (NG), have attracted increasing attention for oxygen reduction reaction (ORR) in metal-air batteries and fuel cell applications, due to their optimal properties including excellent electronic conductivity, 4e− transfer and superb mechanical properties. Here, the recent progress of NCNTs- and NG-based catalysts for ORR is reviewed. Firstly, the general preparation routes of these two N-doped carbon-allotropes are introduced briefly, and then a special emphasis is placed on the developments of both NCNTs and NG as promising metal-free catalysts and/or catalyst support materials for ORR. All these efficient ORR electrocatalysts feature a low cost, high durability and excellent performance, and are thus the key factors in accelerating the widespread commercialization of metal-air battery and fuel cell technologies.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,891

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,238
Écart entre enseignants0,219 · 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