MétaCan
Menu
Retour à la cohorte
Enregistrement W4213356788 · doi:10.1002/adfm.202112805

Hierarchical Architecture of Well‐Aligned Nanotubes Supported Bimetallic Catalysis for Efficient Oxygen Redox

2022· article· en· W4213356788 sur OpenAlexaff
Qing Zhang, Pengfei Liu, Xiaogang Fu, Yuan Yang, Liguang Wang, Rui Gao, Lirong Zheng, Lin Yang, Zhengyu Bai

Notice bibliographique

RevueAdvanced Functional Materials · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesHigher Education Discipline Innovation ProjectNational Natural Science Foundation of China
Mots-clésBifunctionalBimetallic stripElectrocatalystMaterials scienceCatalysisRedoxOxygen evolutionNanotechnologyRational designNanoporousChemical engineeringMetalElectrochemistryElectrodeChemistryMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Rational design of efficient non‐precious materials for oxygen redox electrocatalysis is currently a critical obstacle for rechargeable zinc‐air batteries. Herein, this work presents a strategy to modulate the activity and mass transfer performance for advanced bifunctional electrocatalysts. This is achieved via a prior vacuum heat treatment‐assisted pyrolysis approach, obtaining atomically disperse Fe/Co sites and alloy nanoparticle composites rooted in the unique well‐aligned nanotubes hierarchical architecture. The design of multiple metal active species and hierarchically porous structure facilitates the bifunctional activity and accessibility of the active sites, respectively, which affords the catalyst enhanced performance in rechargeable zinc‐air batteries, outperforming the commercial Pt/C‐Ir/C benchmarks. This work provides a new avenue to improve activity and accessibility together with single atomic catalysts as advanced bifunctional air cathodes for efficient oxygen redox electrocatalysis.

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), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,136
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)0,0010,000
Bibliométrie0,0000,001
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)0,0040,000

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 Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,207 · 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

Citations44
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207