MétaCan
Menu
Retour à la cohorte
Enregistrement W2294279908 · doi:10.1021/acsami.5b11870

Highly Functional Bioinspired Fe/N/C Oxygen Reduction Reaction Catalysts: Structure-Regulating Oxygen Sorption

2016· article· en· W2294279908 sur OpenAlexaff
Yingfang Yao, Yong You, Gaixia Zhang, Jianguo Liu, Haoran Sun, Zhigang Zou, Shuhui Sun

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2016
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesPriority Academic Program Development of Jiangsu Higher Education InstitutionsNatural Science Foundation of Jiangsu ProvinceGovernment of Jiangsu ProvinceMinistry of Science and Technology of the People's Republic of ChinaMinistry of Education of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésOxygen reduction reactionCatalysisMaterials scienceSorptionOxygenOxygen reductionChemical engineeringOrganic chemistryAdsorptionElectrochemistryChemistryPhysical chemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Tuna is one of the most rapid and distant swimmers. Its unique gill structure with the porous lamellae promotes fast oxygen exchange that guarantees tuna's high metabolic and athletic demands. Inspired by this specific structure, we designed and fabricated microporous graphene nanoplatelets (GNPs)-based Fe/N/C electrocatalysts for oxygen reduction reaction (ORR). Careful control of GNP structure leads to the increment of microporosity, which influences the O2 adsorption positively and desorption oppositely, resulting in enhanced O2 diffusion, while experiencing reduced ORR kinetics. Working in the cathode of proton-exchange membrane fuel cells, the GNP catalysts require a compromise between adsorption/desorption for effective O2 exchange, and as a result, appropriate microporosity is needed. In this work, the highest power density, 521 mW·cm(-2), at zero back pressure is achieved.

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 enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,011
Tête enseignante GPT0,209
Écart entre enseignants0,198 · 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

Citations45
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207