MétaCan
Menu
Retour à la cohorte
Enregistrement W2010945344 · doi:10.1126/science.1252553

Interfacial Effects in Iron-Nickel Hydroxide–Platinum Nanoparticles Enhance Catalytic Oxidation

2014· article· en· W2010945344 sur OpenAlexaff
Guangxu Chen, Yun Zhao, Gang Fu, Paul N. Duchesne, Lin Gu, Yanping Zheng, Xuefei Weng, Mingshu Chen, Peng Zhang, Chih‐Wen Pao, Jyh‐Fu Lee, Nanfeng Zheng

Notice bibliographique

RevueScience · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensDalhousie University
Organismes subventionnairesNational Synchrotron Radiation Research Center
Mots-clésCatalysisPlatinumNickelTransition metalHydroxideInorganic chemistryNanoparticleCarbon monoxideChemistryAdsorptionMetalOxidePlatinum nanoparticlesChemical engineeringMaterials scienceNanotechnologyPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Hybrid metal nanoparticles can allow separate reaction steps to occur in close proximity at different metal sites and accelerate catalysis. We synthesized iron-nickel hydroxide-platinum (transition metal-OH-Pt) nanoparticles with diameters below 5 nanometers and showed that they are highly efficient for carbon monoxide (CO) oxidation catalysis at room temperature. We characterized the composition and structure of the transition metal-OH-Pt interface and showed that Ni(2+) plays a key role in stabilizing the interface against dehydration. Density functional theory and isotope-labeling experiments revealed that the OH groups at the Fe(3+)-OH-Pt interfaces readily react with CO adsorbed nearby to directly yield carbon dioxide (CO2) and simultaneously produce coordinatively unsaturated Fe sites for O2 activation. The oxide-supported PtFeNi nanocatalyst rapidly and fully removed CO from humid air without decay in activity for 1 month.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,258
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), 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

Citations703
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207