MétaCan
Menu
Retour à la cohorte
Enregistrement W2287843513 · doi:10.1149/ma2014-01/2/237

Polyaniline–carbon Nanotube Composites As Electrocatalysts for Fuel Cells

2014· article· en· W2287843513 sur OpenAlexaff
Haitao Zheng

Notice bibliographique

RevueECS Meeting Abstracts · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueConducting polymers and applications
Établissements canadiensCanadian Society of Intestinal Research
Organismes subventionnairesnon disponible
Mots-clésPolyanilineMaterials scienceCarbon nanotubeComposite materialComposite numberAdsorptionConductive polymerCarbon nanotube metal matrix compositesMetalPolymerThermal stabilityNanotubeChemical engineeringPolymerizationChemistry

Résumé

récupéré en direct d'OpenAlex

Conducting polymers have been investigated as carbon-substitute supports for fuel cell catalysts due to their high accessible surface area, low resistance and high stability. Conducting-polymer-supported metal particles present higher tolerance to poisoning due to the adsorption of CO species, in comparison to the serious problem of tolerance of bulk and carbon-supported metals. Polyaniline(PANI)-carbon nanotube (CNT) composites indicate favourable interaction between PANI and CNTs. The CNT provides higher surface area and better electronic conductivity while PANI facilitates the electron transfer through the conducting matrix. The CNT content in these composites controls their conductive, mechanical, and thermal properties. In this work, we have synthesized PANI-CNT composite using stablizer. The structure and properties of the composites have been studied. the electrochemical performance of the composites have been carried out.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,027
Score d'incertitude au seuil0,664

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,250
Écart entre enseignants0,237 · 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.

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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetConducting polymers and applicationsTravaux en français237 207