Perovskite-Type Catalysts Prepared by Nanocasting: Effect of Metal Silicates on the Electrocatalytic Activity toward Oxygen Evolution and Reduction Reactions
Notice bibliographique
Résumé
La0.6Sr0.4Fe0.6Mn0.4O3−δ (LSFM) perovskite-type catalysts were prepared by a nanocasting route based on solution combustion synthesis, called the soft–hard templating (SHT) approach. Three silica hard templates with different textural properties were used to increase the specific surface area of the perovskites, and hence to improve their electrochemical activity for both oxygen evolution and reduction reactions. Careful structural and physicochemical characterization revealed that the materials are composites formed by crystalline LSFM perovskite and amorphous metal silicates, even after the etching procedure. Both the composites’ specific surface area and the fraction of silicates are proportional to the silicas pore volume. Interestingly, the LSFM perovskite obtained by SHT has lower cell volumes than the parent oxide prepared without a silica template. The electrochemical characterization revealed the contrasting effects of the metal silicates on the performances of the electrodes. The LSFM-SHT-based electrodes have higher double-layer capacitance and higher current for oxygen evolution than those prepared with the parent LSFM. Furthermore, the LSFM-SHT-based electrodes show a preferential 4-electron pathway during the oxygen reduction reaction, if the amount of amorphous silicates is low (Si wt % < 3.5 wt %). However, the silicates also shift the onset potential of both oxygen evolution and reduction reactions to more positive and negative potential values, respectively, thus delaying the two reactions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».