Non-PGM Electrocatalysts for PEM Fuel Cells: A DFT Study on the Effects of Fluorination of FeNx-Doped and N-Doped Carbon Catalysts
Notice bibliographique
Résumé
Fluorination is considered as a means of reducing the degradation of Fe/N/C, a highly active FeNx-doped disorganized carbon catalyst for the oxygen reduction reaction (ORR) in PEM fuel cells. Our recent experiments have, however, revealed that fluorination poisons the FeNx moiety of the Fe/N/C catalytic site, considerably reducing the activity of the resulting catalyst to that of carbon only doped with nitrogen. Using the density functional theory (DFT), we clarify in this work the mechanisms by which fluorine interacts with the catalyst. We studied 10 possible FeNx site configurations as well as 2 metal-free sites in the absence or presence of fluorine molecules and atoms. When the FeNx moiety is located on a single graphene layer accessible on both sides, we found that fluorine binds strongly to Fe but that two F atoms, one on each side of the FeNx plane, are necessary to completely inhibit the catalytic activity of the FeNx sites. When considering the more realistic model of a stack of graphene layers, only one F atom is needed to poison the FeNx moiety on the top layer since ORR hardly takes place between carbon layers. We also found that metal-free catalytic N-sites are immune to poisoning by fluorination, in accordance with our experiments. Finally, we explain how most of the catalytic activity can be recovered by heating to 900 °C after fluorination. This research helps to clarify the role of metallic sites compared to non-metallic ones upon the fluorination of FeNx-doped disorganized carbon catalysts.
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 | 0,001 |
| 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 ».