MétaCan
Menu
Retour à la cohorte
Enregistrement W2792613531 · doi:10.1002/adfm.201706832

Cavitation Mediated 3D Microstructured Architectures from Nanocarbon

2018· article· en· W2792613531 sur OpenAlexafffund
Zishuai Zhang, Siyu Ye, Uwe Gbureck, Jake E. Barralet, Géraldine Merle

Notice bibliographique

RevueAdvanced Functional Materials · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensBallard Power Systems (Canada)McGill University
Organismes subventionnairesMinistère du Développement Économique, de l’Innovation et de l’ExportationNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésMaterials scienceNanotechnologyMicroscale chemistryOxidizing agentCarbon nanotubeCatalysisChemical engineeringNanoscopic scaleCavitationCathodeConductivityCarbon fibersSpecific surface areaComposite materialComposite numberOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Here, the formation of high surface area microscale assemblies of nanocarbon through phosphate and ultrasound cavitation treatment is reported. Despite high conductivity and large surface area, potential health and safety concerns limit the use of nanocarbon and add challenges to handling. Previously, it is shown that phosphate ultrasonic bonding is ineffective for organic materials but in this study, it is found that by a preliminary oxidizing treatment, several carbons can be readily assembled from xerogels. Assembling nanocarbon into microparticles can usually require a binder or surfactants, which can reduce surface area or conductivity and generate a low microsphere yield. Carbon nanotube microspheres are nitrogen‐doped and flower‐like nanostructured Pt deposited on their surface, and finally showcased as efficient cathode electrocatalysts for the oxygen reduction reaction (half‐wave potential 0.78 V vs reversible hydrogen electrode) and methanol oxidation (417 mA mg −1 ). In particular, no significant degradation of the catalysts is detected after 12 000 cycles (26.6 h). These results indicate the potential of this multimaterial assembly method and open a new way to improve handling of nanoscale materials.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,025
Score d'incertitude au seuil0,998

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)0,0030,001

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 Opus0,006
Tête enseignante GPT0,210
Écart entre enseignants0,204 · 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

Citations11
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207