Highly Active Graphene Nanosheets Prepared via Extremely Rapid Heating as Efficient Zinc-Air Battery Electrode Material
Notice bibliographique
Résumé
A facile method has been developed based on extremely rapid heating (temperature ramp greater than 150°C sec−1) for the synthesis of graphene nanosheets with heterogeneously doped nitrogen atoms (ex-NG) in a one-step process. The nanosheets are uniquely characterized by large expansions and openings between the layers that facilitate in the diffusion of the electrolyte to perform highly active oxygen reduction reaction (ORR). Electron microscopy has verified a voile-like morphology of thermally reduced ex-NG, and X-ray photoelectron spectroscopy has confirmed successful ammonia treatment of nitrogen incorporation into the graphitic network. The ORR activity of the graphene nanosheets is evaluated using both half-cell and single-cell performance tests. The half-cell test is conducted by rotating disk electrode measurements where the nanosheets have showed very comparable ORR activity to that of state-of-the-art commercial Pt/C catalyst. A practical zinc-air battery have been utilized to test the single-cell performance of ex-NG1100, which have exhibited superior battery discharge voltages and reduced charge transfer resistance during the ORR compared to that of Pt/C. This outstanding catalytic activity of metal-free carbon-based graphene nanosheets is attributed to the opened structured attained by facile synthesis technique utilizing a rapid heating process.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».