MétaCan
Menu
Retour à la cohorte
Enregistrement W4391663382 · doi:10.1149/ma2023-02412040mtgabs

The Oxygen Reduction Reaction on Pt and Ag Catalysts in Alkaline Media in Rrde and Half-Cell Setups

2023· article· en· W4391663382 sur OpenAlexaff
Alexander Rampf, Michael Braig, Stefano Passerini, Roswitha Zeis

Notice bibliographique

RevueECS Meeting Abstracts · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOxygen reduction reactionCatalysisOxygenReduction (mathematics)ChemistryOxygen reductionFuel cellsMaterials scienceInorganic chemistryChemical engineeringPhysical chemistryOrganic chemistryElectrochemistry

Résumé

récupéré en direct d'OpenAlex

Understanding the Oxygen Reduction Reaction (ORR) in alkaline media is essential to optimize alkaline fuel cells or metal-air batteries. The catalytic activity of various ORR catalysts has usually been evaluated via Rotating (Ring) Disk Electrode (R(R)DE) measurements. However, using an electrolyte with dissolved oxygen at low KOH concentrations measured in a microampere regime at room temperature does not reflect the real cell conditions.1 Yet, RRDE is still a valuable tool for probing the reaction pathway of catalysts in alkaline media. Our study combined traditional RRDE with Gas Diffusion Electrodes (GDEs) half-cell measurements using Pt and Ag catalysts. The polarization curve of Pt-GDE exhibits a kink near 0.8 V vs. RHE leading to a significant potential drop. This specific feature can be explained by the RRDE results, which display an increased peroxide formation in that potential region due to the adsorption/desorption of hydroxyl adsorbates.2 However, Ag does not exhibit such behavior since the peroxide formation is below typical operating potentials. Depending on the operating conditions, Ag can catalyze the ORR more effectively than Pt in alkaline conditions while significantly reducing production costs. Furthermore, our study presents a general approach for evaluating ORR catalysts under experimentally challenging conditions such as elevated temperature and high KOH molarity. References: (1) Ehelebe, K.; Schmitt, N.; Sievers, G.; Jensen, A. W.; Hrnjić, A.; Collantes Jiménez, P.; Kaiser, P.; Geuß, M.; Ku, Y.-P.; Jovanovič, P.; et al. Benchmarking Fuel Cell Electrocatalysts Using Gas Diffusion Electrodes: Inter-lab Comparison and Best Practices. ACS Energy Lett. 2022, 7, 816–826. (2) Ramaswamy, N.; Mukerjee, S. Fundamental Mechanistic Understanding of Electrocatalysis of Oxygen Reduction on Pt and Non-Pt Surfaces: Acid versus Alkaline Media. Advances in Physical Chemistry 2012, 2012, 1–17. Figure 1

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,254
Écart entre enseignants0,238 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207