Doped, Defect‐Enriched Carbon Nanotubes as an Efficient Oxygen Reduction Catalyst for Anion Exchange Membrane Fuel Cells
Notice bibliographique
Résumé
Abstract Bond polarization of doped atoms and carbon and lattice defects are considered important aspects in the catalytic mechanisms of oxygen reduction reaction (ORR) on heteroatom‐doped carbon catalysts. Previous work on metal‐free catalysts has focused either on bond polarization or lattice defects. Here multi‐heteroatom doped defect‐enriched carbon nanotubes (MH‐DCNTs) that combine both effects to enhance ORR activity are designed. Lattice defects in MH‐DCNTs are enriched by unzipping and length‐shortening of carbon nanotubes, and also by creating carbon vacancies via decomposition of doped F atoms. Electrochemical analysis using rotating disc electrode voltammetry shows that the ORR kinetic current density of MH‐DCNT increases with lattice‐defect density, the latter of which is verified by Raman spectroscopy, while the onset potential increases with annealing temperatures. An optimized MH‐DCNT ORR catalyst exhibits a half‐wave potential of 0.81 V versus reversible hydrogen electrode and limiting current density of 5.0 mA cm−2 at an electrode rotation speed of 1600 rpm in 0.1 m KOH. Further, it is demonstrated that MH‐DCNT, as a cathode catalyst layer in an anion exchange membrane fuel cell (AEMFC), delivers a peak power density of 250 mW cm−2, which is ≈70% the performance of an AEMFC using a conventional Pt/C catalyst.
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 ».