A Review of Recent Advances on the Effects of Microstructural Refinement and Nano-Catalytic Additives on the Hydrogen Storage Properties of Metal and Complex Hydrides
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.
Notice bibliographique
Résumé
The recent advances on the effects of microstructural refinement and various nano-catalytic additives on the hydrogen storage properties of metal and complex hydrides obtained in the last few years in the allied laboratories at the University of Waterloo (Canada) and Military University of Technology (Warsaw, Poland) are critically reviewed in this paper. The research results indicate that microstructural refinement (particle and grain size) induced by ball milling influences quite modestly the hydrogen storage properties of simple metal and complex metal hydrides. On the other hand, the addition of nanometric elemental metals acting as potent catalysts and/or metal halide catalytic precursors brings about profound improvements in the hydrogen absorption/desorption kinetics for simple metal and complex metal hydrides alike. In general, catalytic precursors react with the hydride matrix forming a metal salt and free nanometric or amorphous elemental metals/intermetallics which, in turn, act catalytically. However, these catalysts change only kinetic properties i.e. the hydrogen absorption/desorption rate but they do not change thermodynamics (e.g., enthalpy change of hydrogen sorption reactions). It is shown that a complex metal hydride, LiAlH4, after high energy ball milling with a nanometric Ni metal catalyst and/or MnCl2 catalytic precursor, is able to desorb relatively large quantities of hydrogen at RT, 40 and 80 °C. This kind of behavior is very encouraging for the future development of solid state hydrogen systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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