MétaCan
Menu
Retour à la cohorte
Enregistrement W2988875809 · doi:10.1021/acs.chemmater.9b02193

Ligands Affect Hydrogen Absorption and Desorption by Palladium Nanoparticles

2019· article· en· W2988875809 sur OpenAlexafffund
Noah J. J. Johnson, Brian Lam, Rebecca S. Sherbo, D. K. Fork, Curtis P. Berlinguette

Notice bibliographique

RevueChemistry of Materials · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensCanadian Institute for Advanced ResearchUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanadian Institute for Advanced ResearchCanada Foundation for InnovationGoogle
Mots-clésDesorptionPalladiumNanoparticleLigand (biochemistry)Absorption (acoustics)HydrogenMaterials scienceAdsorptionPhotochemistryInorganic chemistryChemistryCatalysisNanotechnologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

We report herein in situ X-ray diffraction experiments that show that surface ligands affect the rates of hydrogen absorption and desorption in octahedral palladium nanoparticles. This observation was made possible by: (i) using a UV-driven photolysis and ozonolysis treatment to convert the ligand-stabilized palladium nanoparticles to pristine (i.e., ligand-free) nanoparticles while maintaining the size and shape of the core; and (ii) tracking in situ the phase transformation under a hydrogen environment. Our experiments revealed that pristine nanoparticles absorb and desorb hydrogen 10-fold faster than the corresponding ligated samples. This finding is supported by comparing octahedral nanoparticles stabilized by two different types of ligand coatings that both show faster hydrogen absorption and desorption after ligand removal. The data indicate that in addition to nanoparticle shape, surface structuring, and size, the ligand shell must be taken into account when examining hydrogen absorption and desorption in palladium nanoparticles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,197
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations24
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemistry of MaterialsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207