MétaCan
Menu
Retour à la cohorte
Enregistrement W4319458522 · doi:10.1002/cssc.202201990

Chemical Surface Grafting of Pt Nanocatalysts for Reconciling Methanol Tolerance with Methanol Oxidation Activity

2023· article· en· W4319458522 sur OpenAlexfundno aff
Quentin Lenne, Alice Mattiuzzi, Ivan Jabin, Ludovic Troian‐Gautier, Jonathan Hamon, Yann R. Leroux, Corinne Lagrost

Notice bibliographique

RevueChemSusChem · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Circulatory and Respiratory HealthCentre National de la Recherche ScientifiqueFonds De La Recherche Scientifique - FNRSAgence Nationale de la Recherche
Mots-clésNanomaterial-based catalystMethanolElectrocatalystCatalysisReactivity (psychology)AnodeChemistryMethanol fuelCathodeHydroquinoneChemical engineeringCombinatorial chemistryMaterials scienceOrganic chemistryElectrodeElectrochemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A conceptual challenge toward more versatile direct methanol fuel cells (DMFCs) is the design of a single material electrocatalyst with high activity and durability for both oxygen reduction reaction (ORR) and methanol oxidation reaction (MOR). This requires to conciliate methanol tolerance not to hinder ORR at the cathode with a good MOR activity at the anode. This is especially incompatible with Pt materials. We tackled this challenge by deriving a supramolecular concept where surface‐grafted molecular ligands regulate the Pt‐catalyst reactivity. ORR and MOR activities of newly reported Pt‐calix[4]arenes nanocatalysts (Pt NPs/C) are compared to commercial benchmark PtNPs/C. Pt NPs/C exhibit a remarkable methanol tolerance without losing the MOR reactivity along with outstanding durability and chemical stability. Beyond designing single‐catalyst material, operable in DMFC cathodic and anodic compartments, the results highlight a promising strategy for tuning interfacial properties.

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 enseignants0,007
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 Opus0,022
Tête enseignante GPT0,256
Écart entre enseignants0,234 · 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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemSusChemMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207