Boosting the Oxygen Reduction Performance via Tuning the Synergy between Metal Core and Oxide Shell of Metal−Organic Frameworks‐Derived Co@CoO<sub>x</sub>
Notice bibliographique
Résumé
Abstract Co core@Co oxide shell (Co@CoOx) catalysts represent a large family with promising oxygen reduction reaction (ORR) catalytic activity. However, inadequate understanding of Co@CoOx synergy prohibits further pursuit of catalytic performance enhancement. Herein, a Co zeolitic−imidazolate framework was converted into metallic Co, followed by controlled air treatment to form Co@CoOx. The composition and structure evolution as a function of air treatment temperature were studied thoroughly through conventional and synchrotron (both ex‐situ and in‐situ) characterizations, confirming the coexistence of CoO and Co3O4 in the shell. The optimal catalyst showed an ORR half‐wave potential of 0.87 V (vs. RHE) in an alkaline half‐cell and delivered high discharge capacity in an aprotic Li−O2 battery (7,124 mAh gCat+C−1) and an aqueous Zn−air battery (694 mAh gZn−1) with good performance retention after durability test. Modeling simulation and density functional theory calculation confirmed the charge donation from metal core to oxide shell and shed light on new insights of how metal@metal oxide synergy impacted the ORR via tuning the charge conductivity, oxygen affinity and intermediate transfer pathway. This work opens up a venue to boost ORR catalytic activity from an interfacial synergy perspective.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».