Lattice‐Strain Engineering of Homogeneous NiS<sub>0.5</sub>Se<sub>0.5</sub> Core–Shell Nanostructure as a Highly Efficient and Robust Electrocatalyst for Overall Water Splitting
Notice bibliographique
Résumé
Abstract Developing highly‐efficient non‐noble‐metal electrocatalysts for water splitting is crucial for the development of clean and reversible hydrogen energy. Introducing lattice strain is an effective strategy to develop efficient electrocatalysts. However, lattice strain is typically co‐created with heterostructure, vacancy, or substrate effects, which complicate the identification of the strain‐activity correlation. Herein, a series of lattice‐strained homogeneous NiS x Se 1− x nanosheets@nanorods hybrids are designed and synthesized by a facile strategy. The NiS 0.5 Se 0.5 with ≈2.7% lattice strain exhibits outstanding activity for hydrogen and oxygen evolution reaction (HER/OER), affording low overpotentials of 70 and 257 mV at 10 mA cm −2 , respectively, as well as excellent long‐term durability even at a large current density of 100 mA cm −2 (300 h), significantly superior to other benchmarks and the precious metal catalysts. Experimental and theoretical calculation results reveal that the generated lattice strain decreases the metal d‐orbital overlap, leading to a narrower bandwidth and a closer d‐band center toward the Fermi level. Thus, NiS 0.5 Se 0.5 possesses favorable H* adsorption kinetics for HER and lower energy barriers for OER. This work provides a new insight to regulate the lattice strain of advanced catalyst materials and further improve the performance of energy conversion technologies.
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) | 0,001 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».