MétaCan
Menu
← Retour à la cohorte
Enregistrement W2289333195

The enhancement effect of tungsten on the kinetics of oxygen reduction at novel RuSeW electrocatalysts

2008· article· en· W2289333195 sur OpenAlexvenueno aff
Han Song Cheng, Weizi Yuan, Keith Scott, DJ Browning, J.B. Lakeman

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2008
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOxygen reductionTungstenReduction (mathematics)KineticsOxygenOxygen reduction reactionChemistryMaterials scienceChemical engineeringNanotechnologyMetallurgyElectrodeEngineeringPhysicsPhysical chemistryMathematicsElectrochemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In order to improve the performance of direct methanol fuel cells, carbon-supported RuSeW nano-electrocatalysts were prepared using an impregnation method with RuO2, SeO2 and WO2 as precursors. The novel electrocatalyst was evaluated for oxygen reduction in 0.5 M H 2SO4 media in half cells, either as a gas diffusion electrode or as an ink-type rotating disk electrode. The most striking feature was that the tungsten participation significantly enhanced the kinetics of oxygen reduction, exhibiting greater apparent rate constants (up to 35%) and lower apparent activation energy (15% less) than those at the RuSe cathode. The oxygen reduction on the RuSeW electrode was a first-order reaction with respect to oxygen with the Tafel slopes of -0.07 and -0.12 V dec-1 at high and low potential regions, respectively. The enhancement effect was corroborated in direct methanol fuel cells. The electrochemical impedance spectra obtained insitu of fuel cells displayed reduced ohmic and cathode activation resistances as a consequence of the tungsten modification. The electrocatalytic effect was related to a change in the electrocatalyst structure, which was discussed based on the SEM and XRD data. © J. New Mat. Electrochem. Systems.

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 seuil0,002

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 Opus0,014
Tête enseignante GPT0,231
Écart entre enseignants0,217 · 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

Citations2
Publié2008
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJournal of New Materials for Electrochemical Systems→Même sujetElectrocatalysts for Energy Conversion→Travaux en français237 207→