MétaCan
Menu
Retour à la cohorte
Enregistrement W4309158610 · doi:10.1021/acs.nanolett.2c03696

Mesoscale Mass Transport Enhancement on Well-Defined Porous Carbon Platform for Electrochemical H<sub>2</sub>O<sub>2</sub> Synthesis

2022· article· en· W4309158610 sur OpenAlexafffund
Zhiping Deng, Mingxing Gong, Zhe Gong, Xiaolei Wang

Notice bibliographique

RevueNano Letters · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanada First Research Excellence FundChina Postdoctoral Science FoundationSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésMesoscale meteorologyMass transportElectrochemistryMaterials sciencePorosityCarbon fibersPorous mediumChemical engineeringNanotechnologyChemistryPhysicsElectrodeComposite materialEngineering physicsMeteorologyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Two-electron oxygen reduction toward hydrogen peroxide (H2O2) offers a promising alternative for H2O2 production, but its commercial utilization is still hindered by the difficulty of transferring lab-observed catalyst performance to the practical reactor. Here we report the investigation of the porosity engineering effect on catalytic performance inconsistency through a material platform consisting of a series of hollow mesoporous carbon sphere (HMCS) samples. The performance comparison of HMCS samples in rotating ring-disk electrode and Zn-air battery together with the simulation of diffusion behavior reveals that, in low current density conditions, large surface area is preferred, but the mass transport governs the performance in high current density regions. On account of the favorable porous structure, HMCS-8 nm delivers the most excellent practical performance (166 mW cm–2) and performs well in the bifunctional Zn-air battery for the wastewater purification (70% RhB degraded after 2 min and 99% after 32 min).

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,009
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,186
Écart entre enseignants0,180 · 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.

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

Citations57
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207