MétaCan
Menu
Retour à la cohorte
Enregistrement W4399444807 · doi:10.1002/adfm.202403435

Advances in Electrocatalyst Design and Mechanism for Sulfide Oxidation Reaction in Hydrogen Sulfide Splitting

2024· article· en· W4399444807 sur OpenAlexafffund
Yu Zhao, Zhiping Deng, Yao Li, Xiaolei Wang

Notice bibliographique

RevueAdvanced Functional Materials · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanada First Research Excellence FundUniversity of AlbertaNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsGovernment of Canada
Mots-clésElectrocatalystHydrogen sulfideMaterials scienceSulfideMechanism (biology)Water splittingReaction mechanismInorganic chemistryCatalysisPhysical chemistryMetallurgyChemistryElectrochemistrySulfurOrganic chemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Abstract Sulfide oxidation reaction (SOR) is a semi‐reaction for the electrochemical decomposition of hydrogen sulfide. Combining SOR with the hydrogen evolution reaction (HER) allows for the simultaneous splitting of hydrogen sulfide (H 2 S) to produce green hydrogen, reducing energy input and environmental pollution. However, the phenomenon of sulfur passivation on the anode leads to catalyst deactivation, posing a bottleneck in developing efficient SOR. Electrocatalysts with decent performance and sulfur‐tolerance play a central role in the application of SOR. Here, recent progress on electrocatalysis mechanisms and catalyst design strategies of SOR are summarized. A summary of recent progress is made in materials such as alloys, metal oxides, metal sulfides, metal selenides, and heterostructures as SOR catalysts. Additionally, some valuable design and modulation strategies are highlighted and included. Finally, this review offers an outlook on the future directions in this emerging field.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,036
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,011
Tête enseignante GPT0,238
Écart entre enseignants0,226 · 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.

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

Citations51
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207