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 CO2 electrochemically into hydrocarbons and oxygenates with high Faradaic efficiencies [1]. The selectivity and the efficiency of CO2 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 (Cu60Zn40) 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., “CO2 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 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 seuil0,004

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)0,0010,001

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 Opus0,018
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 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetNanoporous metals and alloysTravaux en français237 207