MétaCan
Menu
Retour à la cohorte
Enregistrement W3116979700 · doi:10.1149/ma2020-02372392mtgabs

Supported Transition Metal Phosphides: Activity Survey for HER, ORR, OER, and Corrosion Resistance in Acid and Alkaline Electrolytes

2020· article· en· W3116979700 sur OpenAlex
Andrés Parra-Puerto, Kai Ling Ng, Kieran F. Fahy, Angela E. Goode, Mary P. Ryan, Anthony Kucernak

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésCatalysisChemistryElectrolyteElectrochemistryCorrosionInorganic chemistryHydrogen peroxideAlkaline fuel cellMetalElectrochemical energy conversionOxygen evolutionTransition metalOrganic chemistryElectrodePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

One of the main bottle necks for the introduction of fuel cell technology in the market, is their dependency on precious metals as catalyst. Focusing on the electrochemical reactions involved, the most sluggish is the Oxygen Reduction Reaction (ORR). Significant research has been performed to optimize for the amount of the precious metal used, whilst keeping the same activity. On the other hand, many investigations have been carried out to find non-precious metal catalysts with the same performance for ORR, Oxygen Evolution Reaction (OER), Hydrogen Evolution Reaction (HER) and Hydrogen Oxidation Reaction (HOR) [1]. One of those candidates are the metal phosphides [2], however, these catalysts nowadays only are active for ORR, HER, OER and they have very poor activity towards the HOR [3]. Here we present the work done related to the simple synthesis of different MP catalysts (M = Ni, Co, W, Cr and Mo) [4]; their catalytic activity towards H 2 and O 2 reactions; and their corrosion resistance in acidic and alkaline electrolytes. Co 2 P was found to have a very interesting ORR catalytic behaviour and peroxide generation under alkaline and acidic conditions respectively. To understand the activity of Co 2 P, an HRTEM analysis was done to understand the changes in the morphology before and after the ORR reaction. References [1] M. S. Faber and S. Jin, “Earth-abundant inorganic electrocatalysts and their nanostructures for energy conversion applications,” Energy Environ. Sci. , vol. 7, no. 11, pp. 3519–3542, Oct. 2014, doi: 10.1039/C4EE01760A. [2] A.-M. Alexander et al. , “Alternative catalytic materials: carbides, nitrides, phosphides and amorphous boron alloys,” Chem. Soc. Rev. , vol. 39, no. 11, pp. 4388–4401, Oct. 2010, doi: 10.1039/b916787k. [3] R. Prins and M. E. Bussell, “Metal Phosphides: Preparation, Characterization and Catalytic Reactivity,” Catal. Letters , vol. 142, no. 12, pp. 1413–1436, Dec. 2012, doi: 10.1007/s10562-012-0929-7. [4] A. Parra-Puerto, K. L. Ng, K. Fahy, A. E. Goode, M. P. Ryan, and A. Kucernak, “Supported Transition Metal Phosphides: Activity Survey for HER, ORR, OER, and Corrosion Resistance in Acid and Alkaline Electrolytes,” ACS Catal. , vol. 9, pp. 11515–11529, Nov. 2019, doi: 10.1021/acscatal.9b03359. Figure 1

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,020
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,235
Écart entre enseignants0,218 · 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