Development of Non-Spherical Platinum Nanoparticles on Carbon Supports for Oxygen Reduction Reaction
Notice bibliographique
Résumé
Proton exchange membrane fuel cells are anticipated to play an important role in decarbonizing the global energy system, but the performance of platinum (Pt) catalysts must be improved to make this technology more economical. Studies have identified non-spherical Pt nanoparticles on carbon supports as promising approaches to address this challenge. However, to realize the full benefits of these strategies, the catalyst synthesis procedures must be successfully simplified and scaled up, and the catalyst must perform well in half and full-cell tests. In this study, a surfactant-free one-pot method is developed to synthesize non-spherical Pt nanoparticles on Ketjen Black carbon, which is either non-treated (Pt/KB), acid-treated (Pt/KB-O), or nitrogen-doped (Pt/KB-N). The catalysts are synthesized in both small and large batches to determine the effect of scaling up the synthesis procedure. The nitrogen-doped carbon support shows a nearly identical morphological structure with uniform distribution of non-spherical Pt nanoparticles for both small and large batches’ synthesis compared with non-treated and acid-treated carbon samples. The comparative oxygen reduction reaction (ORR) activity shows that the Pt/KB-N prepared in small and large batches has better ORR activity, which is likely caused by uniformly distributed non-spherical Pt nanoparticles on the nitrogen-doped carbon support. All three catalysts show similar ORR durability, testing from 0.5–1.0 V, while Pt/KB-O displays slightly better durability from 1.0–1.5 V for carbon corrosion. These results will help inform the implementation of shape-controlled Pt catalysts on modified carbon supports in large scale.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».