MétaCan
Menu
Retour à la cohorte
Enregistrement W4396232183 · doi:10.1016/j.chempr.2024.03.029

Quantitative and qualitative analysis of nitrogen species in carbon at the ppm level

2024· article· en· W4396232183 sur OpenAlexaff
Takeharu Yoshii, Ginga Nishikawa, Viki Kumar Prasad, Shunsuke Shimizu, Ryo Kawaguchi, Rui Tang, Koki Chida, Nobuhiro Sato, Ryota Sakamoto, Kouhei Takatani, Daniel Moreno-Rodríguez, Peter Škorňa, Eva Scholtzová, Róbert K. Szilágyi, Hirotomo Nishihara

Notice bibliographique

RevueChem · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of British Columbia, Okanagan Campus
Organismes subventionnairesnon disponible
Mots-clésQualitative analysisNitrogenCarbon fibersQuantitative analysis (chemistry)Environmental chemistryEnvironmental scienceChemistryBiologyMathematicsQualitative researchChromatographyOrganic chemistrySociology

Résumé

récupéré en direct d'OpenAlex

Advanced carbon materials used for energy-related applications often contain nitrogen as a heteroatom, which can substantially influence their physical, chemical, and electronic properties. However, conventional analytical techniques for nitrogen environments provide limited compositional and structural information in high sensitivity, which significantly restricts rationalized materials design. Herein, we present the advanced temperature-programmed desorption (TPD) technique up to 2,100°C as a comprehensive analytical tool for chemical speciation in bulk nitrogen-doped carbon materials with record-high sensitivity. Employing complementary X-ray photoelectron spectroscopy, elemental analysis, and computational modeling, we discovered that the gas emission patterns can provide both compositional and structural information regarding nitrogen environments. Importantly, TPD enables the bulk quantification of nitrogen species at 10 ppm levels, which is two orders of magnitude more sensitive than conventional methods. Such an advanced characterization method provides a foundation for next-generation research, focusing on the structural design at the ppm level, and offers significant potential for industrial applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,017
Score d'incertitude au seuil0,260

Scores Codex et Gemma par catégorie

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

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 Opus0,081
Tête enseignante GPT0,371
Écart entre enseignants0,289 · 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 tête enseignante, 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

Citations19
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207