MétaCan
Menu
← Retour à la cohorte
Enregistrement W3008277427 · doi:10.1002/cjce.23732

Tunable Ni/Fe‐Mo carbide catalyst with high activity toward hydrogen evolution reaction

2020· article· en· W3008277427 sur OpenAlexvenueno aff
Channa Wang, Ling Li, Huihua Wang, Tianpeng Qu, Jun Tian, Deyong Wang, Zhenhui Kang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCatalysisOverpotentialMaterials scienceNickelCarbideElectrolyteElectrochemistryHydrogen productionExchange current densityChemical engineeringCarbonizationMesoporous materialTransition metalInorganic chemistryTafel equationElectrodeMetallurgyChemistryPhysical chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Cost‐effective catalysts for hydrogen evolution reaction (HER) are attractive for sustainable production of H2 fuel. Herein, a series of tunable Ni/Fe‐Mo carbide catalysts have been synthesized via a sol‐gel method coupling with a subsequent high temperature carbonization process. The amount of nickel and iron was tuned in the Mo7/C precursors, accomplishing a favourable performance of noble‐metal‐free electrocatalysts for HER. As expected, the designed Ni10Fe4Mo7/C catalyst displays an enhanced catalytic activity toward hydrogen production with an ultralow overpotential (η10 = 110 mV) and striking kinetics (ηonset = 58 mV, k = 54 mV · dec−1) in the alkaline electrolyte (1 M KOH), which are comparable to those of the commercial 20% Pt/C catalyst. Such excellent performance of Ni10Fe4Mo7/C could be attributed to the high intrinsic activities of Ni‐based alloys (NiMo4) and Mo2C, as well as to the lattice contraction in the Mo2C unit cell, in accordance with its high electrochemical surface area (~133 m2 · g−1) and low charge‐transfer resistance (~31.5 Ω) for the associated electrode.

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,162
Écart entre enseignants0,156 · 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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical Engineering→Même sujetElectrocatalysts for Energy Conversion→Travaux en français237 207→