Heteroatom-Doped Carbon Nanomaterials Derived from Black Liquor for Electrochemical Oxygen Reduction Reaction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Black liquor is hazardous and one of the main byproducts in the pulp and paper industry. Its primary constituent is lignin, a carbon-based molecule serving as a precursor for the synthesis of nanostructured carbon materials. Herein, we have used black liquor as a precursor to synthesize high surface area carbons for use as electrochemical oxygen reduction reaction (ORR) catalysts. The materials were activated by a NaOH treatment and subsequently nitrogen-doped by mixing with dicyandiamide, followed by pyrolysis. Synthesis resulted in catalyst materials that showed high specific surface area (1807 and 1228 m 2 g –1, respectively), high surface nitrogen content (6.7 and 5.1 at. %, respectively), and the inclusion of chromium and sulfur impurities that originated from the black liquor. The black liquor-based catalyst exhibited high ORR activity in alkaline media with a half-wave potential ( E 1/2 ) of 780 mV and an onset potential ( E onset ) of 900 mV versus RHE. The resultant Zn–air battery delivered a high peak power density of 112 mW cm –2 at 171 mA cm –2 and a specific capacity of 633 mAh g –1 .
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.
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 découle