MétaCan
Menu
Retour à la cohorte
Enregistrement W4401033852 · doi:10.1021/acsaem.4c01283

Cr-Doped TiO<sub>2</sub> Catalyzing Fast Hydrogen Absorption of MgH<sub>2</sub> at Subzero Temperatures

2024· article· en· W4401033852 sur OpenAlexaff
Jiajing Zhu, Hui Wang, Yuqi Zhai, Liangjun Huang, Jie Cui, Liuzhang Ouyang, Min Zhu, Jacques Huot

Notice bibliographique

RevueACS Applied Energy Materials · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésDehydrogenationHydrogen storageDissociation (chemistry)CatalysisHydrogenNanomaterial-based catalystMaterials scienceSorptionActivation energyDopingAdsorptionInorganic chemistryChemistryChemical engineeringPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

MgH 2 is a promising solid-state hydrogen storage medium with a high hydrogen capacity and low cost, but it suffers from high hydrogen sorption temperatures. In this work, Cr-doped TiO 2 solid solution nanocatalysts were synthesized and demonstrated to significantly reduce the hydrogen sorption temperatures and pressure of MgH 2 . The Ti(5Cr)O 2 catalyzed MgH 2 releases over 6.1 wt % of H 2 at 200 °C, and even at 175 °C, 2.62 wt % H 2 can be desorbed. The dehydrogenation activation energy is greatly reduced to 85.3 ± 8.7 kJ/mol, which is ∼49.7 kJ/mol less than that observed for pure MgH 2 . The dehydrogenated product can absorb 4.5 wt % of H 2 within 10 s at a low temperature of −20 °C and back pressure of 30 bar, or the hydrogen uptake content can reach 4.81 wt % under 5 bar and 75 °C. The mechanism study indicates that the Cr-doped TiO 2 can markedly reduce the adsorption energy and dissociation energy barrier of H 2 molecules and greatly enhance the dissociation ability of H on the catalyst surface. This work demonstrates the potential of modified TiO 2 as a cost-effective and efficient catalyst for Mg-based hydrogen storage 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 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,204 · 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

Citations24
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Energy MaterialsMême sujetHydrogen Storage and MaterialsTravaux en français237 207