MétaCan
Menu
Retour à la cohorte
Enregistrement W3024840461 · doi:10.1149/ma2020-01512781mtgabs

Nanoporous Copper from Electrochemical Dealloying of Brass

2020· article· en· W3024840461 sur OpenAlexaff
Amirhossein Foroozan Ebrahimy

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoporous metals and alloys
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNanoporousMaterials scienceElectrochemistryCopperCatalysisNanomaterial-based catalystElectrolyteChemical engineeringDissolutionAlloyInorganic chemistryCorrosionRheniumElectrocatalystMetalMetallurgyNanotechnologyElectrodeChemistryPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Copper based catalysts have been shown to reduce CO 2 electrochemically into hydrocarbons and oxygenates with high Faradaic efficiencies [1]. The selectivity and the efficiency of CO 2 electroreduction could benefit from morphological studies on Cu nanocatalysts. Among several methods of fabricating Cu nanocatalysts, dealloying, i.e., the selective electrolytic dissolution of a less-noble element from an alloy [2], is one of the most flexible, controllable, and economical methods available to date. The product of this dissolution is a metallic nanoporous material: an interconnected ligament-pore structure with nearly zero net curvature. Building on the previous investigations on dezincification of brass [3], the evolution of nanoporous Cu from dealloying Muntz metal (Cu 60 Zn 40 ) will be presented. The effect of various dealloying parameters, such as anodic potential, temperature, pH, and electrolyte will be resolved via various advanced characterization techniques. [1] C. T. Dinh et al. , “CO 2 electroreduction to ethylene via hydroxide-mediated copper catalysis at an abrupt interface,” Science , vol. 360, no. 6390, pp. 783–787, 2018. [2] R. C. Newman, S. G. Corcoran, J. Erlebacher, M. J. Aziz, and K. Sieradzki, “Alloy corrosion,” MRS Bull. , vol. 24, no. 7, pp. 24–28, 1999. [3] R. C. Newman, T. Shahrabi, and K. Sieradzki, “Direct electrochemical measurement of dezincification including the effect of alloyed arsenic,” Corros. Sci. , vol. 28, no. 9, pp. 873–886, 1988.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,016
Score d'incertitude au seuil0,689

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,234
Écart entre enseignants0,216 · 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 tête enseignante, 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetNanoporous metals and alloysTravaux en français237 207