Tailoring Hydrogen Evolution Performance: Size and Phase Engineering of Ruthenium Nanoparticles
Notice bibliographique
Résumé
Ruthenium-based nanomaterials have seen increased interest as an alternative to platinum electrocatalysts for the hydrogen evolution reaction (HER). In this study, ruthenium nanoparticles supported on a graphene-based composite consisting of expanded graphite and reduced graphene oxide were successfully prepared by using a one-step thermal method. The nanocomposite was optimized for alkaline HER performance by varying the expanded graphite content and annealing temperature, exhibiting an overpotential of 54 mV to achieve 10 mA cm –2, outperforming the benchmark 20% Pt/C. Through surface characterization of the nanocomposite, the high electrocatalytic activity and stability were found to originate from the interconnected microstructure, optimized porosity, tuned Ru particle size, and homogeneous particle dispersion, revealing the key roles of each component. Using X-ray absorption and X-ray total scattering techniques, the electrochemical performance of the nanocomposite was found to depend on a balance between the size and quality of the ruthenium nanoparticles. The catalyst design principles demonstrated in this work can be applied to streamline and simplify the processes used to develop advanced HER electrocatalysts and other energy storage and conversion materials.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».