Engineering of a Low‐Cost, Highly Active, and Durable Tantalate–Graphene Hybrid Electrocatalyst for Oxygen Reduction
Notice bibliographique
Résumé
Abstract The oxygen reduction reaction (ORR) is one of the most important reactions in renewable energy conversion and storage devices. The full deployment of these devices depends on the development of highly active, stable, and low‐cost catalysts. Herein, a new hybrid material consisting of Na 2 Ta 8 O 21− x /Ta 2 O 5 /Ta 3 N 5 nanocrystals grown on N‐doped reduced graphene oxide is reported. This catalyst shows a significantly enhanced ORR activity by ≈4 orders of magnitude in acidic media and by ≈2 orders of magnitude in alkaline media compared to individual Na 2 Ta 8 O 21− x on graphene. Moreover, it has excellent stability in both acid and alkaline media. It also has much better methanol tolerance than the commercial Pt/C, which is relevant to methanol fuel cells. The high ORR activity arises not only from the synergistic effect among the three Ta phases, but also from the concomitant nitrogen doping of the reduced graphene oxide nanosheets. A correlation between ORR activity and nitrogen content is demonstrated. Deep insights into the mechanism of the synergistic effect among these three Ta‐based phases, which boosts the ORR's kinetics, are acquired by combining specific experiments and density functional theory calculations.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».