Dense Pt Nanowire Electrocatalyst for Improved Fuel Cell Performance Using a Graphitic Carbon Nitride‐Decorated Hierarchical Nanocarbon Support
Notice bibliographique
Résumé
Abstract An innovative strategy is presented to engineer supported‐Pt nanowire (NW) electrocatalysts with a high Pt content for the cathode of hydrogen fuel cells. This involves deposition of graphitic carbon nitride (g‐CN) onto 3D multimodal porous carbon (MPC) (denoted as g‐CN@MPC) and using the g‐CN@MPC as an electrocatalyst support. The protective coating of g‐CN on the MPC provides good stability for the electrocatalyst support against electrochemical oxidation, and also enhances oxygen adsorption and provides additional active sites for the oxygen reduction reaction. Compared with commercial carbon black Vulcan XC‐72R (denoted as VC) support material, the larger hydrophobic surface area of the g‐CN@MPC enables the supported high‐content Pt NWs to disperse uniformly on the support. In addition, the unique 3D interconnected pore networks facilitate improved mass transport within the g‐CN@MPC support material. As a result, the g‐CN@MPC‐supported high‐content Pt catalysts show improved performance with respect to their counterparts, namely, MPC, VC, and g‐CN@VC‐supported Pt NW catalysts and the conventional Pt nanoparticle (NP) catalyst (i.e., Pt(20 wt%)NPs/VC (Johnson Matthey)) used as the benchmark. More importantly, the g‐CN‐tailored high‐content Pt NW ( ≈ 60 wt%) electrocatalyst demonstrates high PEM fuel cell power/performance at a very low cathode catalyst loading ( ≈ 0.1 mg Pt cm −2 ).
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) | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».