MétaCan
Menu
Retour à la cohorte
Enregistrement W2332263824 · doi:10.1149/05312.0031ecst

Preparation and Characterization of Non-Precious Metal Fuel Cell Catalysts via Chemical Modification of Carbon Surfaces

2013· article· en· W2332263824 sur OpenAlexafffund
Stephanie G. Mavilla, Brian J. MacLean, E. Bradley Easton

Notice bibliographique

RevueECS Transactions · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensSt. Francis Xavier UniversityOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ontario Institute of Technology
Mots-clésCatalysisCarbon blackCarbon fibersRedoxHydrogen peroxideSurface modificationPyrolysisInorganic chemistryChemistryPhenanthrolineMetalChemical modificationMaterials sciencePolymer chemistryOrganic chemistryComposite number

Résumé

récupéré en direct d'OpenAlex

Preparation of non-precious metal catalysts (NPMCs) via chemical surface modification of carbon black with 5,6-diamino-1,10-phenanthroline (aphen) was completed. A diazonium coupling reaction was used to covalently attach aphen to the carbon surface and ratios of aphen to carbon were varied. The impact of this loading on the oxygen reduction reaction (ORR) was investigated. Cyclic voltammograms (CVs) were obtained under nitrogen to assess the redox activity of the phenanthroline type groups on the surface. Peaks at approximately 611 mV versus standard hydrogen electrode appear for each material and become larger with increased loading of aphen. Introduction of iron followed by pyrolysis at 700 °C results in increased activity towards the ORR and decreased hydrogen peroxide production.

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 enseignants0,104
Score d'incertitude au seuil0,324

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 GPT0,195
Écart entre enseignants0,190 · 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

Citations2
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetFuel Cells and Related MaterialsTravaux en français237 207