Noble metal supported hexagonal boron nitride for the oxygen reduction reaction: a DFT study
Notice bibliographique
Résumé
Discovering active, stable and cost-effective catalysts for the oxygen reduction reaction (ORR) is of utmost interest for commercialization of fuel cells. Scarce and expensive noble metals such as Pt and Pd are the state-of-the-art active ORR catalysts but suffer from low stability against CO poisoning. Hexagonal boron nitride (h-BN) is a particularly attractive material due to its low cost and stability; however, it suffers from intrinsic low activity toward the ORR in the pristine form as a result of its inherently low conductivity with a large band gap of ∼5.5 electron volts. During the past few years, several strategies such as using metal supports, metal doping and atomic vacancies have been reported to significantly increase the conductivity, thereby promoting the ORR activity. Herein we use density functional theory calculations to systematically study these strategies for activating inert h-BN and further examine the stability against CO poisoning. We show that noble metals, such as Ag, Pd, and Pt, require boron (B) or nitrogen (N) vacancies to reasonably activate h-BN toward the ORR. For example, Pd supported h-BN with B-vacancies exhibits significantly high ORR activity. All three examined metal supported h-BNs are predicted to be stable against CO poisoning. These results demonstrate that supporting h-BN on noble metals is a promising strategy to increase the stability against CO poisoning while maintaining high ORR activity.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».