MétaCan
Menu
Retour à la cohorte
Enregistrement W2101010132 · doi:10.1002/aenm.201200018

Oxide Catalysts for Rechargeable High‐Capacity Li–O<sub>2</sub> Batteries

2012· article· en· W2101010132 sur OpenAlexafffund
Si Hyoung Oh, Linda F. Nazar

Notice bibliographique

RevueAdvanced Energy Materials · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMcMaster University
Mots-clésPyrochloreMaterials scienceCatalysisOxideCrystalliteChemical engineeringInorganic chemistryOxygenCarbon fibersAnodeMetalPrecipitationElectrodeMetallurgyChemistryComposite materialPhase (matter)

Résumé

récupéré en direct d'OpenAlex

Abstract Nano‐crystalline mixed metal oxides with an expanded pyrochlore structure are synthesized by a chemical precipitation route in alkaline media. The high concentration of surface active sites afforded by their high surface area, intrinsically variable oxidation state and good electron transport lead to promising electrocatalytic properties for oxygen evolution in Li‐O 2 cells, yielding rechargeable discharge capacities over 10 000 mAh g −1 and lowering anodic overpotentials significantly. The discharge capacity of the Li‐O 2 cell is increased further when a small amount of gold is deposited on the pyrochlore oxide, which serves as a more efficient oxygen reduction catalyst. The amount of catalyst necessary for oxygen evolution performance is reduced to as little as 5 wt% by supporting the highly‐divided pyrochlore oxide crystallites on carbon using in‐situ deposition methods.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,022
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,217
Écart entre enseignants0,204 · 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.

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

Citations178
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207