Tri‐Metallic Catalyst for Oxygen Evolution Reaction Enables Continuous Operation of Anion Exchange Membrane Electrolyzer at 1A cm<sup>−2</sup> for Hundreds of Hours
Notice bibliographique
Résumé
Abstract Although numerous efforts are made to synthesize active electrocatalysts for green hydrogen production; catalyst stability, and facile synthesis to scale up the production are still challenging. Herein, the production of novel non‐PGM catalysts for the oxygen reduction reaction (OER) in an alkaline aqueous medium is reported, which is based on the synthesis of a trimetallic metal–organic framework (MOF) precursors. Fine‐tuning of the composition of the metal centers (Ni, Co, and Fe) shows a great effect on OER activity after the MOF undergoes dynamic chemical and structural transformations under OER conditions. In situ characterization reveals the origin of OER activity enhancement as metals’ oxidation state increases, inducing compressive mechanical strain on metal centers, enhancing the electronic conductivity through the formation of oxygen vacancies, and stronger metal–oxygen covalency. Catalysts are used in membrane electrode assembly (MEA) setup within an industrial full‐cell anion exchange membrane electrolyzer (AEMEC), showing a stable performance for 550 h without noticeable decay at 750 and 1000 mA cm −2 industrial level current densities.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».