Activity Descriptor Identification for Oxygen Reduction on Platinum-Based Bimetallic Nanoparticles: <i>In Situ</i> Observation of the Linear Composition–Strain–Activity Relationship
Notice bibliographique
Résumé
Despite recent progress in developing active and durable oxygen reduction catalysts with reduced Pt content, lack of elegant bottom-up synthesis procedures with knowledge over the control of atomic arrangement and morphology of the Pt-alloy catalysts still hinders fuel cell commercialization. To follow a less empirical synthesis path for improved Pt-based catalysts, it is essential to correlate catalytic performance to properties that can be easily controlled and measured experimentally. Herein, using Pt-Co alloy nanoparticles (NPs) with varying atomic composition as an example, we show that the atomic distribution of Pt-based bimetallic NPs under operating conditions is strongly dependent on the initial atomic ratio by employing microscopic and in situ spectroscopic techniques. The PtxCo/C NPs with high Co content possess a Co concentration gradient such that Co is concentrated in the core and gradually depletes in the near-surface region, whereas the PtxCo/C NPs with low Co content possess a relatively uniform distribution of Co with low Co population in the near-surface region. Despite their different atomic structure, the oxygen reduction reaction (ORR) activity of PtxCo/C and Pt/C NPs is linearly related to the bulk average Pt-Pt bond length (RPt-Pt). The RPt-Pt is further shown to contract linearly with the increase in Co/Pt composition. These linear correlations together demonstrate that (i) the improved ORR activity of PtxCo/C NPs over pure Pt NPs originates predominantly from the compressive strain and (ii) the RPt-Pt is a valid strain descriptor that bridges the activity and atomic composition of Pt-based bimetallic NPs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».