MétaCan
Menu
Retour à la cohorte
Enregistrement W2976654816 · doi:10.1021/acssuschemeng.9b02964

Biomass Waste-Derived 3D Metal-Free Porous Carbon as a Bifunctional Electrocatalyst for Rechargeable Zinc–Air Batteries

2019· article· en· W2976654816 sur OpenAlexaff
Qiang Li, Ting He, Yaqian Zhang, Huiqiong Wu, Jingjing Liu, Yujie Qi, Yongpeng Lei, Hong Chen, Zhifang Sun, Cheng Peng, Lunzhao Yi, Yi Zhang

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesMinistry of Education of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésBifunctionalCatalysisOxygen evolutionElectrocatalystNoble metalCarbon fibersBifunctional catalystChemistryMetalMaterials scienceChemical engineeringBattery (electricity)ZincInorganic chemistryOrganic chemistryElectrochemistryElectrodeComposite number

Résumé

récupéré en direct d'OpenAlex

The sluggish nature of oxygen reduction reaction (ORR) and oxygen evolution reaction (OER) coupled with the high cost of related noble-metal catalysts stimulate the research of active non-noble metal or metal-free oxygen catalysts. Though metal-free catalysts have been reported a lot, fewer catalysts show high activity toward ORR and OER, especially for biomass waste materials. This paper introduces a top–down strategy to fabricate a series of bifunctional metal-free catalysts derived from the plant residue. Among them, the catalyst BRCAC8502 shows an excellent electrocatalytic performance toward both ORR and OER (E1/2 = 0.85 V, Ei=10 = 1.68 V vs RHE). A zinc–air battery equipped by catalyst BRCAC8502 even displays a superior performance to that of Pt/C-RuO2. The excellent ORR and OER performances are mainly attributed to 3D hierarchical structures and rich active sites of the catalyst, including N functional groups, oxygen vacancies, and carbon defects. The strategy of preparing plant residues into the outstanding bifunctional catalyst demonstrated in this study may enlighten to the design of various other functional catalysts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,043
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,003
Tête enseignante GPT0,177
Écart entre enseignants0,174 · 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 tête enseignante, pas un consensus.

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207