MétaCan
Menu
Retour à la cohorte
Enregistrement W2999203166 · doi:10.1007/s40820-019-0349-y

Single-Atom Catalysts for Electrochemical Hydrogen Evolution Reaction: Recent Advances and Future Perspectives

2020· review· en· W2999203166 sur OpenAlexafffund
Zonghua Pu, Ibrahim Saana Amiinu, Ruilin Cheng, Pengyan Wang, Chengtian Zhang, Shichun Mu, Weiyue Zhao, Fengmei Su, Gaixia Zhang, Shijun Liao, Shuhui Sun

Notice bibliographique

RevueNano-Micro Letters · 2020
Typereview
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaInstitut national de la recherche scientifique
Mots-clésCatalysisRenewable energyNanotechnologyHydrogen productionElectrochemistryElectrolysis of waterHydrogenElectrolysisFossil fuelWater splittingPower to gasAtom economyChemistryMaterials scienceBiochemical engineeringOrganic chemistryEcologyEngineeringPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Hydrogen, a renewable and outstanding energy carrier with zero carbon dioxide emission, is regarded as the best alternative to fossil fuels. The most preferred route to large-scale production of hydrogen is by water electrolysis from the intermittent sources (e.g., wind, solar, hydro, and tidal energy). However, the efficiency of water electrolysis is very much dependent on the activity of electrocatalysts. Thus, designing high-effective, stable, and cheap materials for hydrogen evolution reaction (HER) could have a substantial impact on renewable energy technologies. Recently, single-atom catalysts (SACs) have emerged as a new frontier in catalysis science, because SACs have maximum atom-utilization efficiency and excellent catalytic reaction activity. Various synthesis methods and analytical techniques have been adopted to prepare and characterize these SACs. In this review, we discuss recent progress on SACs synthesis, characterization methods, and their catalytic applications. Particularly, we highlight their unique electrochemical characteristics toward HER. Finally, the current key challenges in SACs for HER are pointed out and some potential directions are proposed as well.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,011
Tête enseignante GPT0,247
Écart entre enseignants0,236 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations289
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano-Micro LettersMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207