Microfluidic synthesis of platinum nanoparticles supported on reduced graphene oxide, titanium dioxide, and carbon for <scp>PEM</scp> fuel cells
Notice bibliographique
Résumé
Abstract Platinum (Pt) nanoparticles on various supports, such as commercial carbon powder, titanium dioxide (TiO 2 ), and reduced graphene oxide (rGO), were synthesized using a continuous flow microfluidic system. First, the support materials were separately synthesized using the sonochemical technique followed by the loading of Pt. The Pt nanoparticles on different supports were characterized using Brunauer–Emmett–Teller (BET) for surface area and porosity analysis; X‐ray diffraction (XRD) for structural confirmation; Fourier transform infrared (FTIR) spectroscopy and X‐ray photoelectron spectroscopy (XPS) for surface composition; and transmission electron microscopy (TEM) for morphological investigation. Further, polymer electrolyte membrane (PEM) fuel cells were fabricated using the Pt nanoparticles on different supports, and cyclic voltammetry (CV), linear sweep voltammetry (LSV), and power density were performed. Among the three electrocatalysts, Pt/rGO showed the highest electrochemical performance. Pt/rGO showed higher specific activity (119 mA/cm 2 ), mass activity (238 mA/mg), current density (1274 mA/cm 2 ), and power density (497 mW/cm 2 ). We also determined the mass activity and specific activity of the electrocatalysts based on the electrochemical data. This work shows the potential of the microfluidic system to continuously synthesize the technologically important nanomaterials and their application for energy conversion devices.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».