Understanding Degradation Mechanisms in SrIrO<sub>3</sub> Oxygen Evolution Electrocatalysts: Chemical and Structural Microscopy at the Nanoscale
Notice bibliographique
Résumé
Abstract Designing acid‐stable oxygen evolution reaction electrocatalysts is key to developing sustainable energy technologies such as polymer electrolyte membrane electrolyzers but has proven challenging due to the high applied anodic potentials and corrosive electrolyte. This work showcases advanced nanoscale microscopy techniques supported by complementary structural and chemical characterization to develop a fundamental understanding of stability in promising SrIrO 3 thin film electrocatalyst materials. Cross‐sectional high‐resolution transmission electron microscopy illustrates atomic‐scale bulk and surface structure, while secondary ion mass spectrometry imaging using a helium ion microscope provides the nanoscale lateral elemental distribution at the surface. After accelerated degradation tests under anodic potential, the SrIrO 3 film thins and roughens, but the lateral distribution of Sr and Ir remains homogeneous. A layer‐wise dissolution mechanism is hypothesized, wherein anodic potential causes the IrO x ‐rich surface to dissolve and be regenerated by Sr leaching. The characterization approaches utilized herein and mechanistic insights into SrIrO 3 are translatable to a wide range of catalyst systems.
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 ».