Structural Insights into Multi‐Metal Spinel Oxide Nanoparticles for Boosting Oxygen Reduction Electrocatalysis
Notice bibliographique
Résumé
Abstract Multi‐metal oxide (MMO) materials have significant potential to facilitate various demanding reactions by providing additional degrees of freedom in catalyst design. However, a fundamental understanding of the (electro)catalytic activity of MMOs is limited because of the intrinsic complexity of their multi‐element nature. Additional complexities arise when MMO catalysts have crystalline structures with two different metal site occupancies, such as the spinel structure, which makes it more challenging to investigate the origin of the (electro)catalytic activity of MMOs. Here, uniform‐sized multi‐metal spinel oxide nanoparticles composed of Mn, Co, and Fe as model MMO electrocatalysts are synthesized and the contributions of each element to the structural flexibility of the spinel oxides are systematically studied, which boosts the electrocatalytic oxygen reduction reaction (ORR) activity. Detailed crystal and electronic structure characterizations combined with electrochemical and computational studies reveal that the incorporation of Co not only increases the preferential octahedral site occupancy, but also modifies the electronic state of the ORR‐active Mn site to enhance the intrinsic ORR activity. As a result, nanoparticles of the optimized catalyst, Co0.25Mn0.75Fe2.0‐MMO, exhibit a half‐wave potential of 0.904 V (versus RHE) and mass activity of 46.9 A goxide−1 (at 0.9 V versus RHE) with promising stability.
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) | 0,001 | 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 ».