3D Porous Fe/N/C Spherical Nanostructures As High-Performance Electrocatalysts for Oxygen Reduction in Both Alkaline and Acidic Media
Notice bibliographique
Résumé
Exploring inexpensive and high-performance nonprecious metal catalysts (NPMCs) to replace the rare and expensive Pt-based catalyst for the oxygen reduction reaction (ORR) is crucial for future low-temperature fuel cell devices. Herein, we developed a new type of highly efficient 3D porous Fe/N/C electrocatalyst through a simple pyrolysis approach. Our systematic study revealed that the pyrolysis temperature, the surface area, and the Fe content in the catalysts largely affect the ORR performance of the Fe/N/C catalysts, and the optimized parameters have been identified. The optimized Fe/N/C catalyst, with an interconnected hollow and open structure, exhibits one of the highest ORR activity, stability and selectivity in both alkaline and acidic conditions. In 0.1 M KOH, compared to the commercial Pt/C catalyst, the 3D porous Fe/N/C catalyst exhibits ∼6 times better activity (e.g., 1.91 mA cm –2 for Fe/N/C vs 0.32 mA cm –2 for Pt/C, at 0.9 V) and excellent stability (e.g., no any decay for Fe/N/C vs 35 mV negative half-wave potential shift for Pt/C, after 10000 cycles test). In 0.5 M H 2 SO 4, this catalyst also exhibits comparable activity and better stability comparing to Pt/C catalyst. More importantly, in both alkaline and acidic media (RRDE environment), the as-synthesized Fe/N/C catalyst shows much better stability and methanol tolerance than those of the state-of-the-art commercial Pt/C catalyst. All these make the 3D porous Fe/N/C nanostructure an excellent candidate for non-precious-metal ORR catalyst in metal–air batteries and fuel cells.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».