Upgrading the State‐of‐the‐Art Electrocatalysts for Proton Exchange Membrane Fuel Cell Applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Carbon‐supported Pt‐based electrocatalysts have been widely investigated for diverse electrochemical energy storage and conversion applications. Vulcan XC72R (VC) supported Pt(20 wt%) nanoparticles (NPs) (denoted as Pt(20 wt%)NPs/VC produced by Johnson Matthey (JM)) is the most commonly‐used catalyst and is thus widely considered to be the state‐of‐the‐art electrocatalyst. Although Pt(20 wt%)NPs/VC(JM) has demonstrated very good electrocatalytic performance in these applications, further improvement in its electrocatalytic activity and electrochemical stability is still highly desired. In this study, an innovative strategy, involving graphitic carbon nitride (g‐CN) coating of the electrocatalyst, is shown to improve the performance. Although other researchers have attempted modifying the support and components during the process of making an electrocatalyst, the authors report, for the first time, the nitriding of an existing catalyst, that is, post‐modification of the electrocatalyst. Due to the unique features of g‐CN coating, which include high chemical stability, good oxygen adsorption and improved ionomer distribution in the catalyst layer, the g‐CN‐coated Pt(20wt%)NPs/VC(JM) electrocatalyst (g‐CN content: 0.61 wt%) has demonstrated both improved polarization performance and electrochemical stability. This simple but very effective strategy is believed to open a new avenue for improvement of electrocatalytic performance for a range of diverse commercially‐available electrocatalysts used in proton exchange membrane fuel cells.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle