MétaCan
Menu
Retour à la cohorte
Enregistrement W4291011354 · doi:10.20964/2022.09.28

Preparation and Properties of MOF-derived Porous Carbon Nanosheets as Electrocatalyst for Oxygen Reduction Reaction

2022· article· en· W4291011354 sur OpenAlexaff
Jing Zhang, Xiangzhi Meng, Qiuping Zhao

Notice bibliographique

RevueInternational Journal of Electrochemical Science · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensNickel Institute
Organismes subventionnairesnon disponible
Mots-clésElectrocatalystOxygen reduction reactionPorosityCarbon fibersReduction (mathematics)Materials scienceChemical engineeringOxygenOxygen reductionChemistryElectrochemistryElectrodeOrganic chemistryPhysical chemistryComposite materialComposite numberEngineering

Résumé

récupéré en direct d'OpenAlex

MOFs-derived nitrogen-doped porous carbon nanosheets Fe@Co/N@PCN were prepared by pyrolysis using Fe@Co/Zn-MOFs and g-C 3 N 4 as precursor templates.The effects of metal doping on the catalytic activity of MOFs carriers were investigated by morphological structure and electrochemical performance characterization. It was found that the addition of bimetals not only increased the specific surface area of the catalysts, but also had a synergistic catalytic effect, resulting in a half-slope potential of 0.872 V vs. RHE in Fe@Co/N@PCN in 0.1 M KOH, and its ORR electrocatalytic activity, stability and methanol resistance were better than those of commercial Pt/C catalysts.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 seuil0,463

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,253
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 tête enseignante, 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Electrochemical ScienceMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207