MétaCan
Menu
Retour à la cohorte
Enregistrement W2331787953 · doi:10.1149/05031.0165ecst

Surface Layers in Alkaline Media: Nickel Hydrides on Metallic Nickel Electrodes

2013· article· en· W2331787953 sur OpenAlexafffund
David S. Hall, Christina Bock, B. MacDougall

Notice bibliographique

RevueECS Transactions · 2013
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensNational Research Council CanadaUniversity of Ottawa
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of CanadaLuonnontieteiden ja Tekniikan Tutkimuksen ToimikuntaUniversity of Ottawa
Mots-clésElectrolysisNickelElectrodeCyclic voltammetryMaterials scienceAlkaline water electrolysisInorganic chemistryPolarization (electrochemistry)Electrolysis of waterHydrogenAnodeElectrochemistryNoble metalReversible hydrogen electrodeMetalWater splittingWorking electrodeCathodic protectionPlatinumCathodeCatalysisMetallurgyChemistryElectrolytePhotocatalysis

Résumé

récupéré en direct d'OpenAlex

Hydrogen generation by water electrolysis is a renewable method of producing fuel and industrial feedstock. Ni-based H2-evolution catalysts in alkaline media are low-cost alternatives to the noble-metal-based electrode materials used in acidic media. However, Ni cathodes show a significant decrease in their hydrogen evolution reaction (HER) activity after several hours of electrolysis. We consider the source of electrode deactivation on smooth metallic Ni electrodes by cyclic voltammetry (CV), galvanostatic and potentiostatic polarization, and X-ray diffraction (XRD). Below the reversible hydrogen electrode (RHE) potential, H atoms incorporate deep into the electrode material. Under industrial conditions, i.e., concentrated NaOH/KOH solutions and large cathodic current densities, α-NiH x and β-NiH x can form at the electrode surface.

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 seuil0,005

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)0,0010,001

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 GPT0,222
Écart entre enseignants0,210 · 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

Citations14
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207