Boosting Neutral Water Oxidation through Surface Oxygen Modulation
Notice bibliographique
Résumé
Abstract Developing efficient electrocatalysts for oxygen evolution reaction (OER) in pH‐neutral electrolyte is crucial for microbial electrolysis cells and electrochemical CO2 reduction. Unfortunately, the OER kinetics in neutral electrolyte is sluggish due to the low concentration of adsorbed reactants, with overpotentials of neutral OER at present much higher than that in acidic or alkaline electrolyte. Here, hydrated metal cations (Ca2+) are sought to be incorporated into the state‐of‐the‐art Ru–Ir binary oxide to tailor the surface oxygen environments (lattice‐oxygen and adsorbed oxygen species) for efficient neutral OER. Using a sol–gel method, ternary Ru–Ir–Ca oxides are synthesized in atomically homogenous manner, and the obtained catalyst on glassy carbon electrode achieves 10 mA cm−2 at a low overpotential of 250 mV, with no degradation for 200 h of operation. In situ X‐ray absorption spectroscopy, in situ 18O isotope‐labeling differential electrochemical mass spectrometry, and 18O isotope‐labeling secondary ion mass spectroscopy studies are carried out. The results reveal that incorporation of Ca2+ can enhance the covalency of metal–oxygen bonds and the electrophilic nature of surface metal‐bonded oxygen sites; and simultaneously facilitate the adsorption of water molecules on catalyst surface, which accelerates the lattice‐oxygen‐involved reaction, thus improving the overall OER performance of RuIrCaOx catalyst.
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 ».