MétaCan
Menu
Retour à la cohorte
Enregistrement W2142717104 · doi:10.1149/1.2168418

Fe-Based Catalysts for Oxygen Reduction in PEMFCs

2006· article· en· W2142717104 sur OpenAlexafffund
Frédéric Jaouen, Fanny Charreteur, Jean‐Pol Dodelet

Notice bibliographique

RevueJournal of The Electrochemical Society · 2006
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGeneral Motors of CanadaU.S. Department of Energy
Mots-clésCatalysisCarbon blackPyrolysisCarbon fibersMethanolChemistryElectrolyteProton exchange membrane fuel cellInorganic chemistryNitrogenOxygenCatalyst supportChemical engineeringMaterials scienceElectrodeOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Fe-based catalysts for the oxygen reduction reaction (ORR) in polymer electrolyte membrane fuel cells (PEMFCs) have been prepared with commercial and developmental carbon black powders containing initially between 0 and 0.8 atom % of nitrogen. The catalysts were obtained by adsorbing 0.2 wt % Fe from iron acetate on each carbon support, which is then pyrolyzed at 900°C for 1 h in a mixture. Under these conditions, N contents from 0 to 2.3 atom % are measured at the surface of the catalysts and increased N content leads to increased activity for the ORR. The N content correlates with the weight loss of the carbon support due to a reaction with during pyrolysis. It was found that reacts mainly with the disorganized carbon, leaving nitrogen at the surface of the support. The larger the amount of disorganized carbon in the pristine carbon black, the better the activity for ORR of the resulting catalyst. The most active non-noble catalyst was tested in fuel cells, where it was found that its specific activity (in A per of electrode) is still about two orders of magnitude below the target of a non-noble catalyst for automotive applications . However, such catalysts could already compete with Pt in, e.g., methanol fuel cells because they are ORR-selective.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,214
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), 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

Citations271
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207