Molecular Analysis of the Unusual Stability of an IrNbO<i><sub>x</sub></i> Catalyst for the Electrochemical Water Oxidation to Molecular Oxygen (OER)
Notice bibliographique
Résumé
Adoption of proton exchange membrane (PEM) water electrolysis technology on a global level will demand a significant reduction of today’s iridium loadings in the anode catalyst layers of PEM electrolyzers. However, new catalyst and electrode designs with reduced Ir content have been suffering from limited stability caused by (electro)chemical degradation. This has remained a serious impediment to a wider commercialization of larger-scale PEM electrolysis technology. In this combined DFT computational and experimental study, we investigate a novel family of iridium–niobium mixed metal oxide thin-film catalysts for the oxygen evolution reaction (OER), some of which exhibit greatly enhanced stability, such as minimized voltage degradation and reduced Ir dissolution with respect to the industry benchmark IrOx catalyst. More specifically, we report an unusually durable IrNbOx electrocatalyst with improved catalytic performance compared to an IrOx benchmark catalyst prepared in-house and a commercial benchmark catalyst (Umicore Elyst Ir75 0480) at significantly reduced Ir catalyst cost. Catalyst stability was assessed by conventional and newly developed accelerated degradation tests, and the mechanistic origins were analyzed and are discussed. To achieve this, the IrNbOx mixed metal oxide catalyst and its water splitting kinetics were investigated by a host of techniques such as synchrotron-based NEXAFS analysis and XPS, electrochemistry, and ab initio DFT calculations as well as STEM-EDX cross-sectional analysis. These analyses highlight a number of important structural differences to other recently reported bimetallic OER catalysts in the literature. On the methodological side, we introduce, validate, and utilize a new, nondestructive XRF-based catalyst stability monitoring technique that will benefit future catalyst development. Furthermore, the present study identifies new specific catalysts and experimental strategies for stepwise reducing the Ir demand of PEM water electrolyzers on their long way toward adoption at a larger scale.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».