MétaCan
Menu
Retour à la cohorte
Enregistrement W4400268479 · doi:10.1149/2754-2734/ad5e9a

Electrochemical Oxidation of Ethanol and Methanol at Rh@Pt Catalysts at 80 °C in Proton Exchange Membrane (PEM) Cells

2024· article· en· W4400268479 sur OpenAlexafffund
Ahmed Hashem Ali, Peter G. Pickup

Notice bibliographique

RevueECS Advances · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryCatalysisInorganic chemistryProton exchange membrane fuel cellElectrolysisElectrochemistryAqueous solutionMethanolHydrogen productionCyclic voltammetryElectrocatalystElectrolyteElectrodeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Efficient oxidation of ethanol to carbon dioxide is crucial for the development of sustainable electrochemical generation of power and hydrogen from bioethanol. However, high anode overpotentials and partial oxidation to acetaldehyde and acetic acid result in low efficiencies and waste management issues. Bimetallic Rh-Pt catalysts have shown enhanced activities and CO2 production in aqueous electrolytes, but not in proton exchange membrane (PEM) cells. In this work Rh@Pt core–shell catalysts, prepared from commercial carbon-supported Rh, have been evaluated in both aqueous H2SO4 and PEM cells. Cyclic voltammetry of aqueous methanol and ethanol has shown that the catalytic activity of the Pt shell is increased by the compressive strain induced by the Rh core, and that there is also a significant bifunctional effect at low Pt coverages. In PEM cells, these effects also increase selectivity for cleavage of the C–C bond of ethanol to produce CO2, which will enhance the efficiencies of ethanol fuel and electrolysis cells for producing power and hydrogen, respectively. Deposition of 0.5 monolayers of Pt onto the Rh core produced the highest CO2 yields at the lowest anode overpotentials, while higher coverages of Pt increased performances and CO2 yields at higher potentials.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,007
Tête enseignante GPT0,239
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS AdvancesMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207