Ultralow Loading and High-Performing Pt Catalyst for a Polymer Electrolyte Membrane Fuel Cell Anode Achieved by Atomic Layer Deposition
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.
Notice bibliographique
Résumé
Decreasing Pt loading in the anode layer below ∼0.025 mg·cm–2 is found to reduce the hydrogen oxidation reaction rate during polymer electrolyte membrane fuel cells (PEMFCs) normal operation, when using conventional Pt/C catalysts and electrode coating methods. To achieve extremely low Pt loading in the anode catalyst layer while maintaining high PEMFC performance and durability, a series of membrane electrode assemblies (MEAs) with low Pt loading in the anode layer are successfully prepared using an atomic layer deposition (ALD) technique. When the ALD cycle number is controlled, the Pt nanoparticles (NPs) with different sizes and loadings are directly deposited on the carbon layer to form the anode catalyst layer. The ALDPt NPs with uniform particle sizes are highly distributed on the carbon surface, which promotes the ALDPt with high electrochemical active surface area and enables enhanced performance of ALDPt-MEAs. Particularly, the 50ALDPt-MEA with the anode Pt prepared by 50ALD cycles shows excellent H2–air PEMFC activity and durability. Importantly, the 20ALDPt-MEA with an ultralow anode Pt loading of 0.01 mg·cm–2 displays a significantly high surface area of 155 m2·g–1Pt, approximately 3 times higher than the 50.3 m2·g–1Pt for commercial Pt catalyst. The 20ALDPt anode also shows better stability than that of the commercial Pt/C during the anode potential cycling test. The ultralow Pt loading, uniform Pt distribution, high MEA performance, and durability achieved indicate that the ALD technique has great potential in developing high-performing electrocatalysts for PEMFC.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle