MétaCan
Menu
Retour à la cohorte
Enregistrement W2315795651 · doi:10.1166/jnn.2009.se43

Nickel-Based 3D Electrocatalyst Layers for Production of Hydrogen by Water Electrolysis in an Acidic Medium

2009· article· en· W2315795651 sur OpenAlexaff
Ziad Bou-Saleh, Sasha Omanovic

Notice bibliographique

RevueJournal of Nanoscience and Nanotechnology · 2009
Typearticle
Langueen
DomaineMaterials Science
ThématiqueConducting polymers and applications
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute for International Education
Mots-clésElectrocatalystMaterials sciencePolyanilineNickelChemical engineeringElectrolysisSubstrate (aquarium)CatalysisInorganic chemistryElectrodeElectrochemistryChemistryComposite materialMetallurgyOrganic chemistryElectrolytePolymer

Résumé

récupéré en direct d'OpenAlex

Electrocatalytic activity of three-dimensional nickel-based layers in the hydrogen evolution reaction (HER) was investigated in an acidic medium. It was demonstrated that patterning of a glassy carbon electrode substrate with a 3D polyaniline (PANI) matrix is a convenient way of increasing the electrocatalytically active surface area of electrodeposited Ni, and hence its apparent electrocatalytic activity. The optimized PANI/Ni electrocatalyst layer showed a significantly higher activity in the HER then a two-dimensional control Ni-plate surface. It was also demonstrated that it is possible to produce a Ni-based HER electrocatalyst layer by synthesizing Ni nanoparticles and supporting them on Vulcan carbon. This electrocatalyst also offered a significantly higher electrocatalytic activity in the HER then the control surface, but lower then the optimized PANI/Ni electrocatalyst. The electrocatalytic activity of the optimized PANI/Ni layer was also compared to the activity of a 3D catalyst produced by coating a porous RVC cube substrate with Ni. This electrocatalyst showed the highest HER electrocatalytic activity among the investigated layers when tested under potentiodynamic polarization conditions. However, under the potentiostatic conditions, the optimized PANI/Ni layer showed the highest electrocatalytic activity.

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 enseignants0,008
Score d'incertitude au seuil0,259

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 Opus0,010
Tête enseignante GPT0,258
Écart entre enseignants0,249 · 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

Citations9
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nanoscience and NanotechnologyMême sujetConducting polymers and applicationsTravaux en français237 207