Physico-Chemical and Electrochemical Properties of Platinum−Tin Nanoparticles Synthesized by Pulsed Laser Ablation for Ethanol Oxidation
Notice bibliographique
Résumé
Mixed Pt−Sn catalysts were prepared by crossed beam pulsed laser deposition. Five catalyst compositions were investigated, namely, Pt 100 Sn 0, Pt 90 Sn 10, Pt 75 Sn 25, Pt 50 Sn 50, and Pt 30 Sn 70 . The depositions were performed either under vacuum or in the presence of 2 Torr He. The pressure in the deposition chamber has a strong influence on the surface structure and morphology of the catalytic particles, as determined from scanning electron micrographs (SEM) and atomic force microscopy (AFM). For catalysts prepared under He, X-ray diffraction (XRD) patterns show an expansion of the fcc lattice, indicating that Sn atoms are dissolved in it. Up to 13 atom % Sn can be dissolved in the Pt fcc structure. In contrast, less than 3 atom % of Sn can be dissolved in Pt when the catalysts are prepared under vacuum. X-ray photoelectron spectroscopy has revealed that the surface composition of Pt x Sn 100- x catalysts prepared under 2 Torr He closely follows the bulk concentration. Catalysts with the same composition prepared under vacuum exhibit a surface enrichment with Pt atoms. In these catalysts, tin is highly oxidized and the mean [O]/[Sn] surface ratio is 2.35. In contrast, tin in catalysts prepared under 2 Torr He is less oxidized and the mean [O]/[Sn] surface ratio is 1.37. Cyclic voltammogram curves reveal that mixing Sn with Pt lowers the onset oxidation potential of ethanol. This effect is more pronounced for catalysts prepared under 2 Torr He, and E onset = 0.31 V vs RHE is reached for [Pt] bulk = 75 atom %. Similarly, chronoamperometric measurements conducted at +0.5 V vs RHE also demonstrated that Pt 75 Sn 25 catalyst prepared under 2 Torr He is the most active after 1 h of electrolysis. The reasons underlying these differences are discussed.
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 | 0,001 |
| 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 ».