MétaCan
Menu
Retour à la cohorte
Enregistrement W4200560887 · doi:10.1002/aenm.202102715

Dual‐Metal Atom Electrocatalysts: Theory, Synthesis, Characterization, and Applications

2021· article· en· W4200560887 sur OpenAlexfundno aff
Angus Pedersen, Jesús Barrio, Alain Y. Li, Rhodri Jervis, Dan J. L. Brett, Maria‐Magdalena Titirici, Ifan E. L. Stephens

Notice bibliographique

RevueAdvanced Energy Materials · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Research CouncilEngineering and Physical Sciences Research CouncilNational Research Council CanadaEuropean Commission
Mots-clésElectrocatalystElectrochemical energy conversionMaterials scienceCommercializationCharacterization (materials science)NanotechnologyElectrochemistryDual (grammatical number)CatalysisSustainable energyAtom (system on chip)Electrochemical energy storageEnergy transformationAtom economyCombinatorial chemistryBiochemical engineeringComputer scienceSupercapacitorPhysical chemistryElectrical engineeringChemistryPhysicsRenewable energyElectrodeEngineeringOrganic chemistryThermodynamicsBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Electrochemical clean energy conversion and the production of sustainable chemicals are critical in the journey to realizing a truly sustainable society. To progress electrochemical storage and conversion devices to commercialization, improving the electrocatalyst performance and cost are of utmost importance. Research into dual‐metal atom catalysts (DACs) is rising in prominence due to the advantages of these sites over single‐metal atom catalysts (SACs), such as breaking scaling relationships for the adsorption energy of reaction intermediates and synergistic effects. This review provides an examination of the fundamental theoretical principles and experimental electrochemical performance of DACs in idealized half cells, as well as fuel cells, before proceeding to analyze the methods used for producing and identifying DACs. Current challenges and potential future research directions of DACs are also discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,331
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 Opus0,004
Tête enseignante GPT0,205
Écart entre enseignants0,201 · 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 tête enseignante, pas un consensus.

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

Citations174
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207