MétaCan
Menu
Retour à la cohorte
Enregistrement W2889032436 · doi:10.14447/jnmes.v15i1.85

Electrochemical Activation of Metal Hydride Alloy by Inclusion of Nickel and Palladium Nanoparticles

2011· article· en· W2889032436 sur OpenAlexvenueno aff
Miguel Rivera, S.A. Gamboa, P.J. Sebastián

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHydrideMaterials scienceNanoparticlePalladiumAlloyCatalysisElectrochemistryNickelMetalHydrogenChemical engineeringHydrogen storageInorganic chemistryColloidMetallurgyNanotechnologyChemistryPhysical chemistryElectrodeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Nickel and palladium nanoparticles were obtained by colloidal dispersion. Chemical reduction was used to obtain good quality nanoparticles showing electrocatalytic characteristics for improving the electrochemical hydrogen content in typical metal hydride at the initial stage of absorption process. The particle size and distribution of the colloidal nanoparticles were calculated by analyzing TEM images. The colloidal nanoparticles obtained were impregnated onto LaNi5-xMx type metal hydride alloy via catalytic dipping. The impregnated metal hydride alloy was characterized by SEM, AFM and EDS to obtain quasi-quantitative measurements of the position and concentration of the agglomerated colloidal nanoparticles forming nano-clusters onto de surface of the metal hydride alloy. Electrochemical characterization showed the enhancement of absorbed hydrogen content in the metal hydride due to the presence of agglomerated nanoparticles and the localized catalytic activity of Pd more than that of Ni nano-clusters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,243
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Materials for Electrochemical SystemsMême sujetHydrogen Storage and MaterialsTravaux en français237 207