ZIF-derived Co–N–C ORR catalyst with high performance in proton exchange membrane fuel cells
Notice bibliographique
Résumé
Metal and nitrogen-doped carbon (M-N-C) materials have been considered as the most promising non-precious metal oxygen reduction (ORR) catalysts to replace expensive Pt catalysts. Due to high Fenton catalytic activity of Fe element and the resulting instability, Co-based N–C (Co–N–C) catalysts without Fenton catalytic activity should be a worthier ORR catalyst being explored. Although the high ORR activity of Co–N–C catalyst has been demonstrated in aqueous half-cell tests, their performance under PEMFC working condition is still far away from that of state-of-the-art Fe–N–C catalysts. In this study, a high-performance Co–N–C catalyst was synthesized by one-step pyrolyzing Co-doped ZIF-8 (zeolitic imidazolate framework-8) particles in-situ grown on the high-surface-area KJ600 carbon black with high electronic conductivity. The resulting Co–N–C catalyst exhibited high intrinsic ORR activity, fast mass transfer rate and high electronic conductivity, and thus yielded a remarkable peak power density of 0.92 W cm-2 in H2–O2 PEMFC, which is comparable to state-of-the-art Fe–N–C catalyst. This strategy is helpful to synthesize highly active M-N-C ORR catalysts with improved mass transfer and electric conductivity.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».