MétaCan
Menu
Retour à la cohorte
Enregistrement W2016705820 · doi:10.1149/1.2981850

Template Synthesis of Mesoporous Ru- and RuSe-based Catalysts for Proton Exchange Membrane Fuel Cells

2008· article· en· W2016705820 sur OpenAlexafffund
Arnd Garsuch, Xavier Michaud, Catherine O’Neill, Ping Li, J. R. Dahn

Notice bibliographique

RevueECS Transactions · 2008
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCatalysisProton exchange membrane fuel cellCarbonizationRutheniumMesoporous materialInorganic chemistryChemistryCarbon fibersNuclear chemistryChemical engineeringMaterials scienceAdsorptionOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Mesoporous Ru- and RuSe-based catalysts for proton exchange membrane fuel cells were prepared using an amorphous silica gel as a template. Impregnation with sucrose (carbon source), ruthenium(III)-chloride and selenium dioxide was employed to infiltrate the catalyst precursors in the mesopores of the template. After carbonization in argon and reduction in hydrogen atmosphere, the catalyst materials were liberated by dissolving the template framework with hydrofluoric acid. Nitrogen adsorption, X-ray diffraction and transmission electron microscopy were used in order to investigate the structural properties of the prepared catalyst samples. The catalytic activity towards the reduction of oxygen was tested using the rotating-ring-disk-electrode technique. It was observed that RuSe-containing carbon samples possess a higher catalytic activity for oxygen reduction than Ru-containing carbon samples.

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 enseignants0,069
Score d'incertitude au seuil0,927

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 Opus0,015
Tête enseignante GPT0,215
Écart entre enseignants0,200 · 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

Citations1
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207