Tailoring Carbon Nanotube Microsphere Architectures with Controlled Porosity
Notice bibliographique
Résumé
Abstract Nanomaterials are at the core of fuel cell electrodes, providing high‐area catalytic, proton, and electron conducting surfaces, traditionally on carbon black supports. Other carbons, e.g., carbon nanotubes (CNTs) and graphene are less prone to oxidation; however, their handling is not trivial due to health risks associated with their size. Assembling them into microscale structures without jeopardizing their performance is ideal, but there are mass transfer limitations as thickness increases. In this work, a soluble acicular calcium carbonate (aragonite) is used as a porogen to create connected porosity in microspheres. Increasing macroporosity has a considerable positive impact on the mass transfer process. The experimental manipulation of porosity of the microspheres is combined with pore network modeling to better understand how pore distribution throughout the whole microsphere can optimize platinum utilization decorated onto the CNTs. Oxygen reduction reaction (ORR) activity is compared with the prepared composite materials and a commercial Pt/C catalyst for 4 weeks. The composite materials exhibit a highly interconnected network resulting in a 3.4 times higher ORR activity (at 0.9 V vs reversible hydrogen electrode) than that of the nanoporous spheres with no macroporosity.
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 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 | 0,000 |
| 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) | 0,001 | 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 tête enseignante, 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 ».