MétaCan
Menu
Retour à la cohorte
Enregistrement W4391515484 · doi:10.1016/j.cattod.2024.114560

Computationally screening non-precious single atom catalysts for oxygen reduction in alkaline media

2024· article· en· W4391515484 sur OpenAlexaff
Tahereh Jangjooye Shaldehi, Ling Meng, Soosan Rowshanzamir, Mohammad Javad Parnian, Kai S. Exner, Francesc Viñes, Francesc Illas

Notice bibliographique

RevueCatalysis Today · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMinisterio de Asuntos Económicos y Transformación Digital, Gobierno de EspañaChina Scholarship CouncilGeneralitat de Catalunya
Mots-clésOverpotentialCatalysisElectrolysisElectrochemistryChemistryDensity functional theoryCathodeHydrogenElectrolysis of waterInorganic chemistryPlatinumOxygenAlkali metalElectrodePhysical chemistryComputational chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The performance of single-atom catalysts (SACs) containing Sc, Ti, V, Mn, Fe, Ni, Cu, and Pt on N-doped carbon (NC) as possible cathodes in advanced chlor-alkali electrolysis has been investigated by means of density functional theory (DFT) with the aim of finding candidates to improve the sluggish kinetics of the oxygen reduction reaction (ORR). A plausible mechanism is proposed for the ORR that allows making use of the computational hydrogen electrode (CHE) approach in this environment, and suitable models have been used to estimate the free-energy changes corresponding to the elementary reaction steps. The performance of the different catalysts has been analyzed in terms of the electrochemical-step symmetry index (ESSI) and Gmax descriptors. From these descriptors, the Cu-containing SAC is predicted to exhibit the highest catalytic activity which is consistent with a theoretical overpotential of 0.71 V vs. the standard hydrogen electrode (SHE) only, indicating that this type of catalysts in oxygen depolarized cathodes (ODCs) may overcome the limitations of the high cost and low abundance of Pt and other precious metals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,249
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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCatalysis TodayMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207