MétaCan
Menu
Retour à la cohorte
Enregistrement W2899331518 · doi:10.1021/acsami.8b12797

Novel Cobalt-Doped Ni<sub>0.85</sub>Se Chalcogenides (Co<sub><i>x</i></sub>Ni<sub>0.85–<i>x</i></sub>Se) as High Active and Stable Electrocatalysts for Hydrogen Evolution Reaction in Electrolysis Water Splitting

2018· article· en· W2899331518 sur OpenAlexaff
Wenjun Zhao, Shiquan Wang, Chuanqi Feng, Huimin Wu, Lei Zhang, Jiujun Zhang

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensNational Research Council Canada
Organismes subventionnairesState Administration of Foreign Experts AffairsNational Natural Science Foundation of ChinaHubei Provincial Department of EducationMinistry of Education of the People's Republic of ChinaNational Science Foundation
Mots-clésMaterials scienceTafel equationOverpotentialDielectric spectroscopyCyclic voltammetryCatalysisX-ray photoelectron spectroscopyChronoamperometryAnalytical Chemistry (journal)CobaltLinear sweep voltammetryGrapheneRaman spectroscopyElectrochemistryChemical engineeringNanotechnologyElectrodePhysical chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

In this paper, novel cobalt-doped Ni 0.85 Se chalcogenides (Co x Ni 0.85– x Se, x = 0.05, 0.1, 0.2, 0.3, and 0.4) are successfully synthesized and studied as high active and stable electrocatalysts for hydrogen evolution reaction (HER) in electrolysis water splitting. The morphologies, structures, and composition of these as-prepared catalysts are characterized by X-ray diffraction, X-ray photoelectron spectroscopy, Raman spectroscopy, and transmission electron microscopy. The electrochemical tests, such as linear sweep voltammetry, cyclic voltammetry, electrochemical impedance spectroscopy, and chronoamperometry testing, are performed to evaluate these catalysts’ HER catalytic performance including activity and stability. The results indicate that a suitable doping can result in synergetic effect for increasing the catalytic performance. Among different catalysts, Co 0.1 Ni 0.75 Se shows the highest HER performance. After introducing the reduced graphene oxide (rGO) into this catalyst as the support, the resulted Co 0.1 Ni 0.75 Se/rGO shows even better performance than unsupported Co 0.1 Ni 0.75 Se, which are confirmed by the reduction of HER overpotential of Co 0.1 Ni 0.75 Se/rGO to 103 mV compared to 153 mV of Co 0.1 Ni 0.75 Se at a current density of 10 mA/cm 2, and the smaller Tafel slope (43 mV/dec) and kinetic resistance (21.34 Ω) than those of Co 0.1 Ni 0.75 Se (47 mV/dec, 30.23 Ω). Furthermore, the large electrochemical active surface area and high conductivity of such a Co 0.1 Ni 0.75 Se/rGO catalyst, induced by rGO introduction, are confirmed to be responsible for the high HER performance.

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 seuil0,002

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,230
Écart entre enseignants0,220 · 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

Citations117
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207