MétaCan
Menu
← Retour à la cohorte
Enregistrement W3184394382 · doi:10.1149/ma2021-01461848mtgabs

Dealloying Ni-Co-Se Electrocatalysts for Efficient and Stable Oxygen Evolution at High Current Densities

2021· article· en· W3184394382 sur OpenAlexaff
Jehad Abed, Steven J. Thorpe, Edward H. Sargent

Notice bibliographique

RevueECS Meeting Abstracts · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOxygen evolutionTafel equationMaterials scienceLinear sweep voltammetryChemical engineeringWater splittingCatalysisTransition metalElectrocatalystCyclic voltammetryNanotechnologyInorganic chemistryMetallurgyElectrochemistryChemistryElectrodePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Stable and affordable electrocatalysts are urgently needed to accelerate the transition from conventional fossil fuels to sustainable energy resources such as solar and wind. Over the last two decades, the electrocatalytic splitting of water, and carbon dioxide reduction to hydrocarbons have received great attention, however approximately 90% of the electricity input is consumed at the anodic oxygen evolution reaction (OER) due to poor reaction kinetics. Precious metal-based electrocatalysts (Pt, Ir, Ru) have been commonly used as OER catalysts, but proven uneconomic for large scale industrial deployment. First-row transition metal elements (Ni, Co, Fe) offer a great earth abundant and low-cost alternative for OER. In this work, we used a two-step novel milling process to produce Ni,Co-based nanocrystalline electrocatalysts. Cryo-milling (mechanical milling of precursors at cryogenic temperatures to achieve alloying) followed by surfactant-assisted ball milling (SABM), to reduce particles to nanoparticle, create stable disordered phases with high surface areas and coordinatively unsaturated active sites for the reaction of OER intermediates. Two Ni-Co-Se alloys were milled under various conditions and the structural evolution of the systems was monitored using X-ray diffraction (XRD) and electron microscopy. Our results confirmed the production of two fully alloyed ternary systems (NiCo)3Se4 and (NiCo)Se after 6 hours of milling time. The electrocatalytic activity and stability of the catalysts were evaluated by Tafel measurements obtained from linear sweep voltammetry (LSV) and cyclic voltammetry (CV) experiments. We found that Se in NiCo-based alloys stabilized the disordered structure by forming non-transitional clusters and significantly facilitated the production of nanoparticles. In situ X-ray Absorption Spectroscopy (XAS) and electron microscopy revealed that Se was dealloyed during the OER reaction activating the electrocatalysts by facilitating the formation of active Ni-Co oxyhydroxides. On a glassy carbon electrode at 10 mA.cm-2, activated (NiCo)3Se4 demonstrated a stable performance for 500 hours at 268 mV overpotential with a Tafel slope of 42 mV.dec-1. Moreover, the the catalyst was stable for 100 hours while delivering 500 mA.cm-2 at 320 mV of overpotential. This work suggests that milling can potentially be used to produce OER catalysts for industrial application.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,242
Écart entre enseignants0,229 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetElectrocatalysts for Energy Conversion→Travaux en français237 207→