MétaCan
Menu
Retour à la cohorte
Enregistrement W2605055306 · doi:10.1002/celc.201700295

Au Nanochains Anchored on 3D Polyaniline/Reduced Graphene Oxide Nanocomposites as a High‐Performance Catalyst for Ethanol Electrooxidation

2017· article· en· W2605055306 sur OpenAlexaff
Ke Zhang, Yuting Shi, Shumin Li, Caiqin Wang, Bo Yan, Hui Xu, Jin Wang, Jun Guo, Yukou Du

Notice bibliographique

RevueChemElectroChem · 2017
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésGraphenePolyanilineMaterials scienceOxideCatalysisNanocompositeChemical engineeringElectrolyteDispersion (optics)ElectrochemistryDispersion stabilityNanoparticleNanotechnologyChemistryElectrodeComposite materialPolymerOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A nanocomposite containing Au, polyaniline (PANI) and reduced graphene oxide (RGO) has been synthesized by a two‐step method. The PANI can intermix with graphene to build a three‐dimensional (3D) structure, which is beneficial for uniform dispersion of Au networks with a mean diameter of 5.6 nm. In addition to its role as the support of Au, the presence of PANI is also favorable for avoiding the heavy agglomeration of graphene when the reduction occurs. Additionally, the introduction of graphene can not only boost the connections with PANI, but also accelerate the electron transfer between the electrolyte solution and catalysts. Electrochemical tests indicate that the Au/PANI/RGO hybrid exhibits high catalytic activity and stability for ethanol electrooxidation in alkaline conditions. The superior performance can be ascribed to the uniform dispersion of the Au nanocatalyst on the PANI/RGO support with a particular 3D structure, resulting in an increase of the electrochemically active surface area together with a synergic effect between the PANI, graphene and Au.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 GPT0,242
Écart entre enseignants0,232 · 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.

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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemElectroChemMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207