MétaCan
Menu
Retour à la cohorte
Enregistrement W4391895875 · doi:10.1021/acsaenm.3c00713

Iridium-Based Perovskites as Efficient Oxygen Evolution Reaction Catalysts in Acid Media

2024· article· en· W4391895875 sur OpenAlexafffund
Hossein Fadaei, Carl W. Brown, Georges Houlachi, Houshang Alamdari

Notice bibliographique

RevueACS Applied Engineering Materials · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensHydro-QuébecUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIridiumCatalysisOxygenOxygen evolutionMaterials scienceChemistryChemical engineeringInorganic chemistryOrganic chemistryPhysical chemistryEngineeringElectrochemistry

Résumé

récupéré en direct d'OpenAlex

A series of perovskite-based catalysts were synthesized for oxygen evolution reactions (OERs), primarily intended for anodic reactions in the zinc electrowinning process. OER represents a significant portion of the energy consumption in the zinc electrowinning process, and our objective is to explore the possibility of using Ir-based perovskite catalysts to reduce this energy consumption. Ba–Ir perovskite was used as the starting point, and it was doped by other cations (M) to achieve BaM x Ir 1– x O 3 perovskites. Solid-state reaction (SSR) was employed to prepare the catalytic compounds. The crystalline structure of materials was investigated using X-ray diffraction (XRD). Potentiodynamic polarization and electrochemical galvanostatic tests were used to assess the performance of the synthesized materials with respect to the OER. Morphology and surface chemical composition of the optimized compound were evaluated, respectively, using scanning electron microscopy (SEM) and X-ray photoelectron spectroscopy (XPS) analysis methods. The results reported here show that, compared to the benchmark IrO 2 catalyst, the catalytic performance of Ir in a perovskite structure was significantly improved, while its Ir content was substantially lower. However, the activity of these compounds in sulfuric acid media is reduced over time. We found that the main deactivation mechanism of the catalysts is related to the formation of the Ba sulfate on the catalyst. The deactivation rate is highly dependent on the doped cation (M). BaNb 0.2 Ir 0.8 O 3, with 42% less iridium content, was found to be the best catalyst among the synthesized formulations, satisfying the requirements of catalytic activity and longevity in highly acidic environments.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,188
Écart entre enseignants0,184 · 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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Engineering MaterialsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207