Iron and Nickel Phthalocyanine‐Modified Nanocarbon Materials as Cathode Catalysts for Anion‐Exchange Membrane Fuel Cells and Zinc‐Air Batteries**
Notice bibliographique
Résumé
Abstract Iron and nickel phthalocyanines along with different carbon supports, i. e., multi‐walled carbon nanotubes (MWCNT), graphene, carbide‐derived carbon, Vulcan carbon, and mesoporous carbon (MC, from Pajarito Powder, LLC), are used to prepare six bimetallic (Fe, Ni) N‐doped carbon‐based catalysts. The aim of this work is to investigate the electrocatalytic activity of bimetal phthalocyanine‐modified nanocarbon catalysts, e. g., the effect of carbon supports on the oxygen reduction reaction (ORR) and oxygen evolution reaction (OER), including the anion‐exchange membrane fuel cell (AEMFC) and rechargeable zinc‐air battery (RZAB) configuration. The catalysts exhibit excellent electrocatalytic activity as exemplified by their half‐wave potential (E1/2) for ORR and the potential at which the OER current density reaches 10 mA cm−2 (Ej=10), but the best performing catalysts are FeNiN−MC (E1/2=0.88 V, Ej=10=1.58 V) and FeNiN−MWCNT (E1/2=0.87 V, Ej=10=1.59 V). In AEMFC analyses, FeNiN−MWCNT cathode provides peak power density (Pmax) of 406 mW cm−2, slightly higher than that of FeNiN−MC (Pmax=386 mW cm−2). Both catalysts exhibit a good RZAB performance (Pmax of 85 mW cm−2 for FeNiN−MWCNT). The assembled RZABs run stably for 48 h without any significant loss of performance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».