MétaCan
Menu
Retour à la cohorte
Enregistrement W4292283980 · doi:10.1021/acsaem.2c01604

Role of Ionomers in Anion Exchange Membrane Water Electrolysis: Is Aemion the Answer for Nickel-Based Anodes?

2022· article· en· W4292283980 sur OpenAlexafffund
Emily Cossar, Frédéric Murphy, Jaspreet Walia, Arnaud Weck, Elena A. Baranova

Notice bibliographique

RevueACS Applied Energy Materials · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNafionCatalysisIonomerMaterials scienceAnodeOverpotentialInorganic chemistryCyclic voltammetryElectrolysisHydroxideNickelMembrane electrode assemblyChemical engineeringOxygen evolutionIon exchangePotassium hydroxideElectrodeChemistryElectrochemistryElectrolyteIonMetallurgyComposite materialOrganic chemistryCopolymer

Résumé

récupéré en direct d'OpenAlex

The anode oxygen evolution reaction (OER) in anion exchange membrane water electrolysis (AEMWE) limits the process’ overall hydrogen production efficiency. Studies show that nickel-iron (NiFe)-based catalysts show excellent activity toward the OER. In anode catalyst layers, electrocatalysts must be paired with anion exchange ionomers (AEI) to bind the catalyst and conduct hydroxide ions. This work covers the first investigation of the commercial Aemion AEI with a non-noble-metal Ni 90 Fe 10 nanoparticle anode catalyst for applications in AEMWE. The effects of Aemion are also studied for the first time in a three-electrode cell and compared to the commercial Fumion and Nafion ionomers. Cyclic voltammetry (CV) results show that Aemion distinctly interacts with NiFe to suppress the Ni(OH) 2 /NiOOH transition peak current by 39% (vs 11 and 17% for Nafion and Fumion, respectively), thus decreasing the OER activity of NiFe with a high overpotential of 369 mV at 10 mA cm –2 in 1 M potassium hydroxide (KOH). This effect was not alleviated by prolonged CV cycling, preconditioning the electrode in KOH, stabilizing the electrode deposition, or modifying the Aemion solvent. NiFe anode catalytic layers were also prepared for AEMWE testing with varying amounts of Aemion (7, 15, 25, and 35 wt %). Scanning electron microscopy (SEM) of the catalyst layers show catalyst-rich and ionomer-rich phases, each becoming more prominent with increasing ionomer. AEMWE testing shows that 7 wt % Aemion is the best ionomer loading, achieving a cell voltage of 1.941 V at 0.4 A cm –2 in 1 M KOH at 50 °C, 62 mV higher than our previously optimized 15 wt % Fumion anode. While less performing than Fumion, Ni 90 Fe 10 with 7 wt % Aemion is more stable over time. Ex situ Raman spectroscopy of the spent 7 wt % Aemion electrode supports the CV results, where the electrode remains mostly in the Ni(OH) 2 phase after polarization.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,006
Tête enseignante GPT0,197
Écart entre enseignants0,191 · 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

Citations36
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Energy MaterialsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207