MétaCan
Menu
Retour à la cohorte
Enregistrement W4210422615 · doi:10.1007/s12274-022-4095-y

Mechanism investigation of enhanced electrochemical H2O2 production performance on oxygen-rich hollow porous carbon spheres

2022· article· en· W4210422615 sur OpenAlexaff
Zhiping Deng, Xiaolei Wang

Notice bibliographique

RevueNano Research · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésElectrochemistryOxygenCatalysisCarbon fibersMaterials scienceMesoporous materialChemical engineeringElectron transferOxygen evolutionSurface modificationNanotechnologyChemistryElectrodePhotochemistryComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Electrochemical oxygen reduction is a promising approach for the sustainable decentralized production of H 2 O 2 , but its viable commercialization is hindered by the insufficient development of efficient electrocatalysts. Here, we demonstrate a promising carbon-based catalyst, consisting of oxygen-rich hollow mesoporous carbon spheres (HMCSs), for selective oxygen reduction to H 2 O 2 . The as-prepared HMCS exhibits high onset potential (0.82 V) and half-wave potential (0.76 V), delivering a significant positive shift compared with its oxygen-scarce counterparts and commercial Vulcan carbon. Moreover, excellent H 2 O 2 selectivity (above 95%) and electrochemical stability (7% attenuation after 10 h operation) make this material a state-of-the-art catalyst for electrochemical H 2 O 2 production. The outstanding performance arises from a combination of several aspects, such as porous structure-facilitation of mass transport, large surface area, and proper distribution of oxygen-containing functional groups modification on the surface. Furthermore, the proposed oxygen reduction reaction (ORR) mechanism on HMCS surface reveals that −OH functional groups help promote the first electron transfer process while other oxygen modification facilitate the second electron transfer.

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 seuil0,003

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 Opus0,025
Tête enseignante GPT0,269
Écart entre enseignants0,244 · 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

Citations29
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano ResearchMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207