Mechanical Exfoliation of Expanded Graphite to Graphene-Based Materials and Modification with Palladium Nanoparticles for Hydrogen Storage
Notice bibliographique
Résumé
Hydrogen is a promising green fuel carrier that can replace fossil fuels; however, its storage is still a challenge. Carbon-based materials with metal catalysts have recently been the focus of research for solid-state hydrogen storage due to their efficacy and low cost. Here, we report on the exfoliation of expanded graphite (EG) through high shear mixing and probe tip sonication methods to form graphene-based nanomaterial ShEG and sEG, respectively. The exfoliation processes were optimized based on electrochemical capacitance measurements. The exfoliated EG was further functionalized with palladium nanoparticles (Pd-NP) for solid-state hydrogen storage. The prepared graphene-based nanomaterials (ShEG and sEG) and the nanocomposites (Pd-ShEG and Pd-sEG) were characterized with various traditional techniques (e.g., SEM, TEM, EDX, XPS, Raman, XRD) and the advanced high-resolution pair distribution function (HRPDF) analysis. Electrochemical hydrogen uptake and release (QH) were measured, showing that the sEG decorated with Pd-NP (Pd-sEG, 31.05 mC cm−2) and ShEG with Pd-NP (Pd-ShEG, 24.54 mC cm−2) had a notable improvement over Pd-NP (9.87 mC cm−2) and the composite of Pd-EG (14.7 mC cm−2). QH showed a strong linear relationship with an effective surface area to volume ratio, indicating nanoparticle size as a determining factor for hydrogen uptake and release. This work is a promising step toward the design of the high-performance solid-state hydrogen storage devices through mechanical exfoliation of the substrate EG to control nanoparticle size and dispersion.
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 ».