Development of Graphene-Based Nanocomposites for Hydrogen Storage
Notice bibliographique
Résumé
Hydrogen economy is an envisioned approach with potential to addressing the increasing global energy consumption and emission issues. However, as one of the fundamental elements of the hydrogen economy, storage of hydrogen in a lightweight, compact, and safe manner remains the most serious bottleneck. Gaseous and liquid hydrogen storage methods continue to dominate for commercial usage; however, they have been found to be unsafe and expensive. Consequently, solid-state hydrogen storage has been attracting considerable interests, where hydrogen may be stored via physisorption (carbon-based materials and metal organic frameworks) or chemisorption (metal and complex hydrides) [1-3]. In this presentation, recent advances in graphene-based materials with a high surface area and enhanced storage capacity for solid-state hydrogen storage are highlighted. Specifically, this presentation focuses on the development of uniformly dispersed metal nanoparticles (NPs), for example Pd NPs, on a heteroatom-doped reduced graphene oxide (rGO). Our study has shown that the doping of the heteroatoms (such as boron, nitrogen etc.) effectively suppresses possible metal cluster formation, resulting in uniform distribution of the Pd NPs on the modified rGO. The effect of the doping of different heteroatoms and the decoration with Pd NPs on the hydrogen uptake and release is discussed. [1] S. K. Konda, and A. Chen, Mater. Today, 19 , 100 (2016). [2] E. Boateng, and A. Chen, Mater. Today Adv ., 6 , 100022 (2020). [3] E. Boateng, J. S. Dondapati, A. R. Thiruppathi, and A. Chen, Int. J. Hydrogen Energy , 45 , 28951 (2020).
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 | 0,001 | 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 ».