Sterical Self-Consistency of Carbonaceous Nanopolyhedra Triggered by Introduced CNTs to Optimize ORR Performance
Notice bibliographique
Résumé
The electrocatalyst of oxygen reduction reactions is one of the basic components of a fuel cell. In addition to costly Pt/C benchmark catalysts, cost-effective carbon-based catalysts have received the most attention. Enormous efforts have been dedicated to trade off the catalyst performance against the economic benefit. Optimizing composition and/or structure is a universal strategy for improving performance, but it is typically limited by tedious synthesis steps. Herein, we have found that directly introducing CNT into MOF-derived carbonaceous nanopolyhedra, i.e., introduced carbon nanotubes (CNTs) penetrated porous nitrogen-doped carbon polyhedra (NCP) dotted with cobalt nanoparticles (denoted as CNTs-Co@NCP), can optimize the catalytic activity, stability, and methanol tolerance. The hierarchical architecture combines the 0D/1D/3D Co/CNT/NCP interfaces and 1D/3D CNT/NCP junctions with the frameworks with a greatly exposed active surface, strengthened mass transport kinetics, stereoscopic electrical conductivity networks and structural robustness. The sterical self-consistency of MOF-self-assembly triggered by introduced CNTs demonstrates tactful ORR electrocatalytic activity regulation. Eventually, the CNTs-Co@NCP showed a half-wave potential (E1/2) of 0.86 V and a diffusion-limited current density (JL) of 5.94 mA/cm2 in alkaline electrolyte. The CNTs-Co@NCP was integrated into the cathode of a direct methanol fuel cell (DMFC) with an anion-exchange membrane, and an open-circuit voltage (OCV) of 0.93 V and a high power density of 46.6 mW cm−2 were achieved. This work successfully developed a catalyst with competitive ORR performance through plain parameter fine-tuning without complex material design.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».