MétaCan
Menu
Retour à la cohorte
Enregistrement W4318196196 · doi:10.1021/acsaem.2c03339

A Comparison of Photodeposited RuO <sub> <i>x</i> </sub> for Alkaline Water Electrolysis

2023· article· en· W4318196196 sur OpenAlexafffund
Katelynn Daly, Santiago Jimenez-Villegas, Benjamin Godwin, Martin Schoen, Oliver Calderon, Ning Chen, Simon Trudel

Notice bibliographique

RevueACS Applied Energy Materials · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensCanadian Light Source (Canada)University of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundAlexander von Humboldt-Stiftung
Mots-clésElectrolysisNanocrystalline materialOxygen evolutionCatalysisAlkaline water electrolysisX-ray photoelectron spectroscopyRenewable energyElectrochemistryWater splittingElectrolysis of waterMaterials scienceChemical engineeringAmorphous solidHydrogen economyHydrogen productionChemistryInorganic chemistryNanotechnologyPhotocatalysisElectrode

Résumé

récupéré en direct d'OpenAlex

The storage of renewable energy is a pressing challenge to overcome in the transition toward a power grid based on plentiful, yet intermittent energy supplies. The renewables-driven electrolysis of water to form hydrogen fuel is an attractive avenue, but requires better oxygen-evolution reaction (OER) catalysts to be feasible at scale. RuO 2 is touted as one of the superior OER catalysts but only under acidic conditions; RuO 2 electrocatalysts suffer from poor stability under alkaline conditions. In this work, we evaluate three photodeposited RuO x OER electrocatalysts, all prepared via a scalable photodeposition method. Based on electrochemical and spectroscopic studies (X-ray photoelectron spectroscopy and X-ray absorption spectroscopy), our main findings are that nanocrystalline RuO x catalysts outperform their amorphous counterpart and are more stable under alkaline (0.1 M KOH) conditions. This works thus lifts a major hurdle toward the use of RuO x for alkaline water electrolysis.

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 enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,012
Tête enseignante GPT0,242
Écart entre enseignants0,231 · 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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

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