The effect of intrinsic magnetic order on electrochemical water splitting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To reach a long term viable green hydrogen economy, rational design of active oxygen evolution reaction (OER) catalysts is critical. An important hurdle in this reaction originates from the fact that the reactants are singlet molecules, whereas the oxygen molecule has a triplet ground state with parallel spin alignment, implying that magnetic order in the catalyst is essential. Accordingly, multiple experimentalists reported a positive effect of external magnetic fields on OER activity of ferromagnetic catalysts. However, it remains a challenge to investigate the influence of the intrinsic magnetic order on catalytic activity. Here, we tuned the intrinsic magnetic order of epitaxial La0.67Sr0.33MnO3 thin film model catalysts from ferro- to paramagnetic by changing the temperature in situ during water electrolysis. Using this strategy, we show that ferromagnetic ordering below the Curie temperature enhances OER activity. Moreover, we show a slight current density enhancement upon application of an external magnetic field and find that the dependence of magnetic field direction correlates with the magnetic anisotropy in the catalyst film. Our work, thus, suggests that both the intrinsic magnetic order in La0.67Sr0.33MnO3 films and magnetic domain alignment increase their catalytic activity. We observe no long-range magnetic order at the catalytic surface, implying that the OER enhancement is connected to the magnetic order of the bulk catalyst. Combining the effects found with existing literature, we propose a unifying picture for the spin-polarized enhancement in magnetic oxide catalysts.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
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 découle