MétaCan
Menu
Retour à la cohorte
Enregistrement W2979885298 · doi:10.1002/smll.201904180

Nanoporous Al‐Ni‐Co‐Ir‐Mo High‐Entropy Alloy for Record‐High Water Splitting Activity in Acidic Environments

2019· article· en· W2979885298 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSmall · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesShenzhen Fundamental Research ProgramNational Natural Science Foundation of China
Mots-clésQuinaryNanoporousAlloyMaterials scienceTernary operationHigh entropy alloysCatalysisChemical engineeringNanotechnologyMetallurgyChemistryComputer science

Résumé

récupéré en direct d'OpenAlex

Ir-based binary and ternary alloys are effective catalysts for the electrochemical oxygen evolution reaction (OER) in acidic solutions. Nevertheless, decreasing the Ir content to less than 50 at% while maintaining or even enhancing the overall electrocatalytic activity and durability remains a grand challenge. Herein, by dealloying predesigned Al-based precursor alloys, it is possible to controllably incorporate Ir with another four metal elements into one single nanostructured phase with merely ≈20 at% Ir. The obtained nanoporous quinary alloys, i.e., nanoporous high-entropy alloys (np-HEAs) provide infinite possibilities for tuning alloy's electronic properties and maximizing catalytic activities owing to the endless element combinations. Particularly, a record-high OER activity is found for a quinary AlNiCoIrMo np-HEA. Forming HEAs also greatly enhances the structural and catalytic durability regardless of the alloy compositions. With the advantages of low Ir loading and high activity, these np-HEA catalysts are very promising and suitable for activity tailoring/maximization.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,079
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0000,001

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 Opus0,008
Tête enseignante GPT0,203
Écart entre enseignants0,195 · 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