MétaCan
Menu
← Retour à la cohorte
Enregistrement W4296737982 · doi:10.21203/rs.3.rs-2029983/v1

Designing breathing air-electrode and enhancing the oxygen electrocatalysis by thermoelectric effect for efficient Zn-air batteries

2022· preprint· en· W4296737982 sur OpenAlexaff
Xuerong Zheng, Yanhui Cao, Xiaopeng Han, Haozhi Wang, Zhao Zhang, Menghan Zhao, Jihong Li, Yang Wang, Jiajun Wang, Yuesheng Wang, Li Zhang, Karim Zaghib, Yida Deng, Wenbin Hu

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensConcordia UniversityHydro-Québec
Organismes subventionnairesTianjin UniversityNational Natural Science Foundation of China
Mots-clésElectrocatalystThermoelectric effectElectrodeOxygenBreathingMaterials scienceChemistryElectrochemistryPhysicsMedicineThermodynamicsPhysical chemistryAnesthesia

Résumé

récupéré en direct d'OpenAlex

Abstract The sluggish kinetics and mutual interference of oxygen evolution and reduction reactions (OER and ORR) in the air electrode resulted in large charge/discharge overpotential and low energy efficiency of Zn-air batteries. In this work, we designed a breathing air-electrode configuration in Zn-air batteries using P-type Ca3Co4O9 and N-type CaMnO3 as charge and discharge thermoelectrocatalysts, respectively. The Seebeck voltages generated from thermoelectric effect of Ca3Co4O9 and CaMnO3 synergistically compensated the OER and ORR overpotentials. The carrier migration and accumulation on the cold surface of Ca3Co4O9 and CaMnO3 optimized the electronic structure of metallic sites and thus enhanced their intrinsic catalytic activity. The OER and ORR overpotentials were enhanced by 101 and 90 mV, respectively, at temperature gradient of 200 ℃. The breathing Zn-air battery displayed a remarkable energy efficiency of 68.1%. This work provides an efficient avenue towards utilizing waste heat for improving the energy efficiency of Zn-air batteries.

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 enseignants0,000
Score d'incertitude au seuil0,001

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 ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,298
Écart entre enseignants0,283 · 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 revueResearch Square→Même sujetElectrocatalysts for Energy Conversion→Travaux en français237 207→