A van der Waals density functional theory comparison of metal decorated graphene systems for hydrogen adsorption
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Previous Density Functional Theory (DFT) studies on metal decorated graphene generally use local density approximation (LDA) or generalized gradient approximation (GGA) functionals which can cause inaccuracies in hydrogen binding energies as they neglect van der Waals (vdW) interactions and are difficult to compare due to their widely varying simulation parameters. We investigated the hydrogen binding ability of several metals with a consistent set of simulations using the GGA functional and incorporated vdW forces through the vdW-DF2 functional. Metal adatom anchoring on graphene and hydrogen adsorption ability for both single and double sided decoration were studied for eight metals (Al, Li, Na, Ca, Cu, Ni, Pd, and Pt). It was found that the vdW correction can have a significant impact on both metal and hydrogen binding energies. The vdW-DF2 functional led to stronger metal adatom and hydrogen binding for light metals in comparison to GGA results, while heavier transition metals displayed the opposite behaviour but still produced stronger hydrogen binding energies than light metals. Nickel was found to be the best balance between hydrogen binding ability for reversible storage and low weight. The effects on hydrogen binding energy and maximum achievable hydrogen gravimetric density were analyzed for Ni-graphene systems with varying metal coverage. Lower metal coverage was found to improve hydrogen binding but decrease hydrogen gravimetric density. The highest achieved Ni-graphene system gravimetric density was 6.12 wt. %.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle