Determination of oxygen adsorption–desorption rates and diffusion rate coefficients in perovskites at different oxygen partial pressures by a microkinetic approach
Notice bibliographique
Résumé
A novel, powerful method based on a microkinetic approach is described for the estimation of the oxygen transport parameters of mixed electronic conducting materials (MIECs). This method is validated on the perovskite La0.6Sr0.4Co0.2Fe0.8O3-δ and has been applied on Ba0.5Sr0.5Co0.8Fe0.2O3-δ. This approach is original and relevant in that the surface kinetic rate constants are measured using a sample in powder form. In contrast to methods previously used, such as isotope exchange depth profiling (IEDP) and electrical conductivity relaxation (ECR), which determine the global exchange kinetic parameter, our microkinetic modelling approach allows the estimation of the forward and reverse kinetic rates accounting for the oxygen vacancy concentration. Also, the self-diffusion rate coefficient has been estimated at different oxygen partial pressures. This microkinetic approach, which combines SSITKA (steady-state isotopic transient kinetic analysis) and thermogravimetric measurements at controlled oxygen partial pressure, has the potential to significantly accelerate the characterization of oxygen transport in perovskites and related materials in the future. In this study, the kinetic parameters were measured in a temperature window between 873 K and 1173 K, and at two oxygen pressure conditions (21 kPa and 1 kPa) that are appropriate for simulating the semi-permeability of oxygen in a membrane in a process of oxygen separation from air.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».