MétaCan
Menu
Retour à la cohorte
Enregistrement W2007016290 · doi:10.1149/06403.0097ecst

Improving the Activity and Stability of PdSn Catalyst for Oxygen Reduction by Heat Treatment

2014· article· en· W2007016290 sur OpenAlexaff
Sónia Salomé, M.C. Oliveira, O. Savadogo, Rosa Rego

Notice bibliographique

RevueECS Transactions · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesFundação para a Ciência e a Tecnologia
Mots-clésCatalysisElectrochemistryChemistryOxygen reduction reactionNuclear chemistryElectrodeCarbon fibersRotating disk electrodeOxygenInorganic chemistryMaterials scienceCyclic voltammetryOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Carbon-supported PdSn catalysts were synthesized (ratio of about Pd:Sn = 1:1) by the NaBH 4 reduction method for the oxygen reduction reaction (ORR) in HClO 4 solution. The carbon support surface was previously activated with a sensitizing and activating pre-treatment. The as-prepared PdSn catalyst was then heat treated at 300 ºC in H 2 /N 2 (3vol.% H 2 ). The PdSn catalysts were characterized by SEM/EDX, XRD and TEM before and after the heat treatment. The electrochemical activity towards ORR was examined by cyclic and rotating disk electrode measurements and compared with that of Pd. The ORR catalytic activity of PdSn heat treated catalyst was about 25 and 4 times higher than that of as-prepared and Pd catalyst, respectively. Accelerated stability test (AST) by repetitive potential cycling indicated that PdSn heat treated was very stable in electrochemical environment.

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 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 enseignants0,055
Score d'incertitude au seuil0,211

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 Opus0,008
Tête enseignante GPT0,194
Écart entre enseignants0,186 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetFuel Cells and Related MaterialsTravaux en français237 207