MétaCan
Menu
Retour à la cohorte
Enregistrement W3129643530 · doi:10.1002/adma.202004554

In Search of Excellence: Convex versus Concave Noble Metal Nanostructures for Electrocatalytic Applications

2021· review· en· W3129643530 sur OpenAlexaff
Muhammad Iqbal, Yoshio Bando, Ziqi Sun, Kevin C.‐W. Wu, Alan E. Rowan, Jongbeom Na, Bu Yuan Guan, Yusuke Yamauchi

Notice bibliographique

RevueAdvanced Materials · 2021
Typereview
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensFuture Earth
Organismes subventionnairesExploratory Research for Advanced TechnologyJapan Science and Technology AgencyAustralian Research CouncilAustralian National Fabrication FacilityNational Research Foundation of KoreaAustralian GovernmentHigher Education Discipline Innovation Project
Mots-clésNoble metalMaterials scienceElectrocatalystNanoparticleNanotechnologyNanostructureNanocagesCatalysisMetalElectrochemistryElectrodeChemistryMetallurgyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Controlling the shape of noble metal nanoparticles is a challenging but important task in electrocatalysis. Apart from hollow and nanocage structures, concave noble metal nanoparticles are considered a new class of unconventional electrocatalysts that exhibit superior electrocatalytic properties as compared with those of conventional nanoparticles (including convex and flat ones). Herein, several facile and highly reproducible routes for synthesizing nanostructured concave noble metal materials reported in the literature are discussed, together with their advantages over noble metal nanoparticles with convex shapes. In addition, possible ways of optimizing the synthesis procedure and enhancing the electrocatalytic characteristics of concave metal nanoparticles are suggested. Nanostructured noble metals with concave features are found to show better catalytic activity and stability hence improve their practical applicability in electrocatalysis.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,611
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,028
Tête enseignante GPT0,338
Écart entre enseignants0,310 · 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.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207