Stabilizing Highly Active Ru Sites by Suppressing Lattice Oxygen Participation in Acidic Water Oxidation
Notice bibliographique
Résumé
In hydrogen production, the anodic oxygen evolution reaction (OER) limits the energy conversion efficiency and also impacts stability in proton-exchange membrane water electrolyzers. Widely used Ir-based catalysts suffer from insufficient activity, while more active Ru-based catalysts tend to dissolve under OER conditions. This has been associated with the participation of lattice oxygen (lattice oxygen oxidation mechanism (LOM)), which may lead to the collapse of the crystal structure and accelerate the leaching of active Ru species, leading to low operating stability. Here we develop Sr–Ru–Ir ternary oxide electrocatalysts that achieve high OER activity and stability in acidic electrolyte. The catalysts achieve an overpotential of 190 mV at 10 mA cm–2 and the overpotential remains below 225 mV following 1,500 h of operation. X-ray absorption spectroscopy and 18O isotope-labeled online mass spectroscopy studies reveal that the participation of lattice oxygen during OER was suppressed by interactions in the Ru–O–Ir local structure, offering a picture of how stability was improved. The electronic structure of active Ru sites was modulated by Sr and Ir, optimizing the binding energetics of OER oxo-intermediates.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».