MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285398461 · doi:10.1149/ma2022-01552307mtgabs

Nickel-Molybdenum Carbide/Nitrogen-Doped Carbon Mott-Schottky Nanoarray for Water Spitting

2022· article· en· W4285398461 sur OpenAlexaff
Zhixiao Xu, Xiaolei Wang

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCatalysisMaterials scienceNoble metalNanomaterial-based catalystOxygen evolutionWater splittingHeteroatomChemical engineeringDopantInorganic chemistryElectrochemistryNanoparticleNanotechnologyMetalDopingChemistryMetallurgyPhotocatalysisElectrodeOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Electrochemical water splitting, composed of two half reactions: the hydrogen evolution reaction (HER) and the oxygen evolution reaction (OER), is under intensive research to the development of H2 fuels to replace fossil fuels. Since both reactions are sluggish, catalysts are usually required to boost them. The state-of-the-art catalysts for both reactions are based on noble metals, such as Pt-based catalysts for HER and Ir or Ru-based catalysts for OER. Unfortunately, the high price and scarcity of these noble metals suppress the widespread application of water splitting. Hence, it is imperative to develop active, durable, low-cost and earth-abundant non-noble-metal electrocatalysts.[1] Among them, molybdenum carbide (Mo2C) has garnered tremendous attention as HER/OER catalysts owing to its Pt-like electronic structure and wide-pH-range catalytic performance. [2] Unfortunately, the catalytic activity of Mo2C towards HER or OER is still inferior to most advanced catalysts. One effective strategy to enhance electrocatalytic performance involves coupling and doping of Mo2C with late transition metals, e.g., Fe, Co, and Ni, which modifies electronic structure and adds active sites, metal-Mo2C interfaces. Unfortunately, similar to Mo2C, metal nanoparticles also tend to aggregate during preparation and operation. A semiconductive carbon catalyst support alleviating aggregation is usually the solution by not only conformally dispersing nanocatalysts but also providing heteroatom dopants and forming metal-semiconductor Mott-Schottky interface for further enhancing catalytic activity.[3] Besides the selection of catalysts with optimized structure and composition at the material level, the structure of electrodes derived from assembled catalysts at the device level also have a crucial influence on the water electrolyzer. Compared with powdery electrocatalysts with relatively large overpotential and easier peeling off from the electrode, self-supported hierarchical nanoarrayed electrodes are more promising for water electrolyzer because these electrodes facilitate transportation of charges and matter and thus reaction kinetics during HER/OER due to binder-free feature, catalysts-substrate seamless contact and highly exposed surface area.[4] We develop here the making of nickel-molybdenum carbide heterostructures embedded in large-area (100 cm2) hierarchically assembled nitrogen-enriched carbon, forming Mott-Schottky array on nickel foam (Ni-Mo2C/NC@NF).[5] The Ni-Mo2C/NC array is directly applied as the bifunctional catalyst with high activity and durability in alkaline electrolyte. Particularly, an extremely low overpotential of 40 mV is needed to generate hydrogen. Density functional theory calculation revealed that the formation of Ni-Mo2C Mott/NC Schottky interfaces enables favorable electronic structures for electrocatalytic water splitting. Besides, 3D hierarchical structure provides exposed active sites, facilitates mass and charge transfer, graphitic shells enhance stability. A symmetric electrolyzer using Ni-Mo2C/NC@NF generates 10 mA cm-2 at 1.59 V and operates steadily for 150 h, which even outperforms the noble metal couple, Pt/C//RuO2 for water electrolysis. The scalability, activity and durability renders Ni-Mo2C/NC@NF potential industrial application. Reference 1. M. Walter, N. Lewis et al, Chem. Rev. 2010, 110, 11, 6446. 2. M. Miao, B. Y. Xia, X. Wang et al, Chem. Eur. J. 2017, 23, 10947. 3. F. Yu, Y. Li et al Nanoscale, 2018,10, 6080. 4. H. Sun, F. Cheng., J. Chen et al. Adv. Mater. 2020, 32, 1806326. 5. Z. Xu, S. Jin, M. H. Seo, X. Wang, Appl. Catal. B: Environ. 2021, 292, 120168

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 enseignants0,003
Score d'incertitude au seuil0,009

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,219
Écart entre enseignants0,209 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetElectrocatalysts for Energy Conversion→Travaux en français237 207→