MétaCan
Menu
Retour à la cohorte
Enregistrement W3177117815 · doi:10.1002/celc.202100541

Zinc Electrodeposition in Acetate‐based Water‐in‐Salt Electrolyte: Experimental and Theoretical Studies

2021· article· en· W3177117815 sur OpenAlexaff
Mona Amiri, Daniel Bélanger

Notice bibliographique

RevueChemElectroChem · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésNucleationElectrolyteZincElectroplatingSalt (chemistry)Inorganic chemistryMaterials scienceHydrogenChemistryChemical engineeringMetallurgyElectrodePhysical chemistryNanotechnologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Zinc electroplating has found applications in many fields. The chemical composition of the electrodeposition bath can have a great impact on the final coating quality and the economics of the process. In traditional aqueous electrolytes, zinc deposition competes with the hydrogen evolution and oxygen reduction reactions, which can lead to hydrogen embrittlement of the substrate as well as decrease in efficiency. Highly concentrated water‐in‐salt electrolytes can suppress these reactions significantly. Here, we show that electrodeposition of zinc with high efficiencies can be achieved using an acetate‐based water‐in‐salt electrolyte at room temperature. Nucleation studies confirm that at potentials more negative than −1.30 V vs. Ag/AgCl, the three‐dimensional (3D) nucleation process becomes instantaneous, while at more positive potentials it is progressive. Using two of the most common nucleation and growth models, Scharifker‐Mostany and Mirkin‐Nilov‐Heerman‐Tarallo, nucleation parameters such as the nucleation rate constant and nuclei density are found, showing a good agreement between the two models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,284
Écart entre enseignants0,273 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemElectroChemMême sujetAdvanced battery technologies researchTravaux en français237 207