MétaCan
Menu
Retour à la cohorte
Enregistrement W2883757223 · doi:10.1007/s41918-018-0014-z

Recent Progresses in Electrocatalysts for Water Electrolysis

2018· article· en· W2883757223 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueElectrochemical Energy Reviews · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésNoble metalElectrolysis of waterElectrolysisNanotechnologyElectrocatalystMaterials scienceWater splittingCatalysisOxygen evolutionChemistryMetalMetallurgyElectrochemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Abstract The study of hydrogen evolution reaction and oxygen evolution reaction electrocatalysts for water electrolysis is a developing field in which noble metal-based materials are commonly used. However, the associated high cost and low abundance of noble metals limit their practical application. Non-noble metal catalysts, aside from being inexpensive, highly abundant and environmental friendly, can possess high electrical conductivity, good structural tunability and comparable electrocatalytic performances to state-of-the-art noble metals, particularly in alkaline media, making them desirable candidates to reduce or replace noble metals as promising electrocatalysts for water electrolysis. This article will review and provide an overview of the fundamental knowledge related to water electrolysis with a focus on the development and progress of non-noble metal-based electrocatalysts in alkaline, polymer exchange membrane and solid oxide electrolysis. A critical analysis of the various catalysts currently available is also provided with discussions on current challenges and future perspectives. In addition, to facilitate future research and development, several possible research directions to overcome these challenges are provided in this article. Graphical Abstract

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,475
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,261
Écart entre enseignants0,247 · 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