Ultrathin Carbon-Coated Pt/Carbon Nanotubes: A Highly Durable Electrocatalyst for Oxygen Reduction
Notice bibliographique
Résumé
Nanostructures constituted of Pt nanoparticles (NPs) supported on carbon materials are considered to be among the most active oxygen reduction reaction (ORR) catalysts for fuel cells. However, in practice, the usage of such ORR catalysts is limited by their insufficient durability caused by the low physical and chemical stability of Pt NPs during the reaction. We herein present a strategy to synthesize highly durable and active electrocatalysts composed of Pt NPs supported on carbon nanotubes (CNTs) and covered with an ultrathin layer of graphitic carbon. Such hybrid ORR catalysts were obtained by an interfacial in situ polymer encapsulation–graphitization method, where a glucose-containing polymer was grown directly on the surface of Pt/CNTs. The thickness of the carbon-coating layer can be precisely tuned between 0.5 nm and several nanometers by simply programming the polymer growth on Pt/CNTs. The resulting Pt/CNTs@C with a carbon layer thickness of ∼0.8 nm (corresponding to ∼2–3 graphene layers) showed high activity, and excellent durability, with no noticeable activity loss, even after 20 000 cycles of accelerated durability tests. These ultrathin carbon coatings not only act as a protective layer to prevent aggregation of Pt NPs but they also lead to better sample dispersion in solvent which are devoid of aggregates, resulting in a better utilization of Pt. We envision that this polymeric nanoencapsulation strategy is a promising technique for the production of highly active and stable ORR catalysts for fuel cells and metal–air batteries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 tête enseignante, 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 ».