MétaCan
Menu
Retour à la cohorte
Enregistrement W2322948698 · doi:10.1021/jp506857b

In Situ Liquid Cell TEM Study of Morphological Evolution and Degradation of Pt–Fe Nanocatalysts During Potential Cycling

2014· article· en· W2322948698 sur OpenAlexafffund
Guo‐zhen Zhu, Sagar Prabhudev, Jie Yang, Christine M. Gabardo, Gianluigi A. Botton, Leyla Soleymani

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2014
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNanomaterial-based catalystNucleationElectrochemistryIn situElectrolyteMaterials scienceProton exchange membrane fuel cellDegradation (telecommunications)Chemical engineeringElectrodeElectrochemical cellNanotechnologyNanoparticleChemistryFuel cells

Résumé

récupéré en direct d'OpenAlex

Nanocatalyst degradation is a serious limiting factor for the commercialization of proton exchange membrane fuel cells. Although the degradation has been extensively studied in the past through various ex situ electrochemical methods, employing an in situ technique can greatly improve our understanding of the mechanisms involved during the electrochemical cycling. In this work, we have employed an in situ liquid cell inside a TEM for a simultaneous investigation of the structural evolution and electrochemical response of Pt–Fe nanocatalysts. We demonstrate that the coarsening processes of these nanocatalyst particles, including the nucleation and growth, are not uniform, both in space and in time scale. The growth rate is found to be both site- and potential-dependent. Furthermore, these particles were found to exhibit considerably different behaviors when attached to an electrode as opposed to when isolated in the electrolyte. With Pt–Fe nanoalloy system as a candidate material, this work demonstrates that the in situ structural characterization of nanocatalysts under electrochemical bias and inside the native electrolyte environment provides much deeper insight into the catalyst degradation mechanisms as compared to the routine ex situ electrochemical studies.

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 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 enseignants0,007
Score d'incertitude au seuil0,347

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 savante0,0000,000
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 Opus0,005
Tête enseignante GPT0,210
Écart entre enseignants0,205 · 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

Citations133
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207