MétaCan
Menu
Retour à la cohorte
Enregistrement W2049851652 · doi:10.1149/1.3635630

Design of ORR Nanocatalyst with High Mass Activity and Stability

2011· article· en· W2049851652 sur OpenAlexaff
Andrey Tokarev, Sergey Gusarov, Alexander E. Kobryn, Andriy Kovalenko

Notice bibliographique

RevueECS Transactions · 2011
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensNational Institute for Nanotechnology
Organismes subventionnairesnon disponible
Mots-clésCatalysisOxygen reduction reactionRational designCarbon fibersMolecular dynamicsCathodeMaterials scienceTransition metalProton exchange membrane fuel cellStability (learning theory)DurabilityChemical engineeringChemistryNanotechnologyComputational chemistryPhysical chemistryComputer scienceComposite materialEngineeringOrganic chemistryElectrochemistry

Résumé

récupéré en direct d'OpenAlex

We model the properties and formation of Pt-based catalyst on carbon and non-carbon support, as well as the processes occurring on the PEM Fuel Cell cathode. The target is to self-consistently optimize the catalyst-support system for the mass activity of the oxygen reduction reaction (ORR) in PEM FC. The doping of Pt-alloy catalyst and its interaction with support can dramatically affect the activity and durability of the system. Understanding of the physics and chemistry of this system is crucial for rational design of new catalyst for PEM FC. We use molecular mechanics and molecular dynamics simulations with the Sutton-Chen interaction potentials optimized to model transition metal clusters. The results of calculations agree with experimental data.

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 enseignants0,352
Score d'incertitude au seuil0,743

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 Opus0,020
Tête enseignante GPT0,195
Écart entre enseignants0,174 · 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207