A 3-D nanoribbon-like Pt-free oxygen reduction reaction electrocatalyst derived from waste leather for anion exchange membrane fuel cells and zinc-air batteries
Notice bibliographique
Résumé
Fe-Nx and Fe-S-based ORR electrocatalysts have emerged as rightful candidates to replace Pt in fuel cells to make the technology cheap and sustainable. Fe-N-C catalysts are generally prepared by the pyrolysis of conducting polymers, metal-organic frameworks, aerogels, etc., and the combination of multiple heteroatoms and metal precursors. These precursors are mostly expensive and their synthesis involves multiple steps. In this report, we have demonstrated the synthesis of a Fe-N-C catalyst from the waste leather obtained from the footwear and other leather-consuming industries. The pyrolysis of leather with FeCl3 (metal source) results in the formation of a highly thin and porous nano-ribbon like morphology. Waste leather acts as a cost-free single source of heteroatoms like N, S and carbon. The catalyst synthesized at a temperature of 900 °C shows an overpotential of 40 mV and better durability compared to the commercial Pt/C catalyst. The catalyst is demonstrated as the cathode for alkaline exchange membrane fuel cell (AEMFC) and zinc-air battery (ZAB) applications. In the AEMFC, a power density of 50 mW cm-2 and an OCV of 0.92 V are obtained whereas, in the ZAB, it exhibited a power density of 174 mW cm-2 compared to 160 mW cm-2 of the system based on the Pt/C catalyst.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».