MétaCan
Menu
Retour à la cohorte
Enregistrement W3112156619 · doi:10.1038/s41529-020-00143-4

Morphological evolution of Pt-modified nanoporous gold after thermal coarsening in reductive and oxidative environments

2020· article· en· W3112156619 sur OpenAlexafffund
Ayman A. El‐Zoka, Brian Langelier, G. A. Botton, Roger Newman

Notice bibliographique

Revuenpj Materials Degradation · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoporous metals and alloys
Établissements canadiensUniversity of TorontoMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcMaster University
Mots-clésNanoporousMaterials scienceNanomaterialsChemical engineeringNanotechnologyThermalAtmosphere (unit)OxygenCatalysisChemistryThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Nanoporous gold made by dealloying AgAuPt (NPG-Pt) has been shown to exhibit several interesting catalytic properties, tied to its exceptionally high surface area; however, structural degradation may occur owing to thermal coarsening. To understand the effect of atmosphere chemistry on thermal coarsening and degradation, and means of limiting it, this study focuses on the high-resolution characterization of NPG-Pt layers coarsened in reductive Ar-H 2 atmosphere, and in oxidative air. Atom probe tomography (APT) analysis is performed on NPG-Pt, coarsened separately in either Ar-H 2 or air, to characterize the atomic-scale chemical changes in the nanoligaments and to develop a mechanistic view of the inherent processes. A tendency of Ag to segregate to the surface during coarsening is found to lead to complete elimination of the nanoligament core-shell structures in both cases. Large Pt segregates form during coarsening in Ar-H 2 , but under the surface of the ligaments, having relatively little effect on the coarsening rate. The oxygen-induced segregation of Pt was observed to cause the inhibition of thermal coarsening after minor loss in surface area-to-volume ratio. Findings in this paper help in understanding further the thermal coarsening of heterogeneous nanomaterials made by dealloying, and the pertinent factors that come into play in different chemical environments.

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)0,000
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 enseignants0,028
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,225
Écart entre enseignants0,206 · 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

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuenpj Materials DegradationMême sujetNanoporous metals and alloysTravaux en français237 207