MétaCan
Menu
Retour à la cohorte
Enregistrement W2274258295 · doi:10.1021/acs.chemrev.5b00462

Recent Advances in Electrocatalysts for Oxygen Reduction Reaction

2016· review· en· W2274258295 sur OpenAlexafffund
Minhua Shao, Qiaowan Chang, Jean‐Pol Dodelet, Régis Chenitz

Notice bibliographique

RevueChemical Reviews · 2016
Typereview
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHong Kong University of Science and TechnologyResearch Grants Council, University Grants CommitteeMinistère de l'Enseignement Supérieur, de la Recherche, de la Science et de la TechnologieFord Motor Company
Mots-clésProton exchange membrane fuel cellElectrocatalystChemistryOxygen reduction reactionCatalysisPlatinumFuel cellsCarbon fibersOxygen reductionPalladiumNoble metalNanotechnologyMetalChemical engineeringInorganic chemistryElectrochemistryElectrodeMaterials scienceComposite numberOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The recent advances in electrocatalysis for oxygen reduction reaction (ORR) for proton exchange membrane fuel cells (PEMFCs) are thoroughly reviewed. This comprehensive Review focuses on the low- and non-platinum electrocatalysts including advanced platinum alloys, core-shell structures, palladium-based catalysts, metal oxides and chalcogenides, carbon-based non-noble metal catalysts, and metal-free catalysts. The recent development of ORR electrocatalysts with novel structures and compositions is highlighted. The understandings of the correlation between the activity and the shape, size, composition, and synthesis method are summarized. For the carbon-based materials, their performance and stability in fuel cells and comparisons with those of platinum are documented. The research directions as well as perspectives on the further development of more active and less expensive electrocatalysts are provided.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,034
Tête enseignante GPT0,328
Écart entre enseignants0,294 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3 843
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical ReviewsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207