A Methodology for Investigating New Nonprecious Metal Catalysts for PEM Fuel Cells
Notice bibliographique
Résumé
This paper reports an approach to investigate metal-chalcogen materials as catalysts for the oxygen reduction reaction (ORR) in proton exchange membrane (PEM) fuel cells. The methodology is illustrated with reference to Co-Se thin films prepared by magnetron sputtering onto a glassy-carbon substrate. Scanning Auger microscopy (SAM), X-ray photoelectron spectroscopy (XPS), energy-dispersive X-ray spectroscopy (EDX), and X-ray diffraction (XRD) have been used, in parallel with electrochemical activity and stability measurements, to assess how the electrochemical performance relates to chemical composition. It is shown that Co-Se thin films with varying Se are active for oxygen reduction, although the open circuit potential (OCP) is lower than for Pt. A kinetically controlled process is observed in the potential range 0.5-0.7 V (vs reversible hydrogen electrode) for the thin-film catalysts studied. An initial exposure of the thin-film samples to an acid environment served as a pretreatment, which modified surface composition prior to activity measurements with the rotating disk electrode (RDE) method. Based on the SAM characterization before and after electrochemical tests, all surfaces demonstrating activity are dominated by chalcogen. XRD shows that the thin films have nanocrystalline character that is based on a Co(1-x)Se phase. Parallel studies on Co-Se powder supported on XC72R carbon show comparable OCP, Tafel region, and structural phase as for the thin-film model catalysts. A comparison for ORR activity has also been made between this Co-Se powder and a commercial Pt catalyst.
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 | 0,001 | 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 | 0,001 | 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 ».