MétaCan
Menu
Retour à la cohorte
Enregistrement W4401368236 · doi:10.1002/smll.202404786

Engineering <i>d–p</i> Orbital Hybridization in Mo‐O Species of Medium‐Entropy Metal Oxides as Highly Active and Stable Electrocatalysts toward Ampere‐Level Water/Seawater Splitting

2024· article· en· W4401368236 sur OpenAlexaff
Jianpeng Sun, Zhan Zhao, Zizhen Li, Zisheng Zhang, Xiangchao Meng

Notice bibliographique

RevueSmall · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSeawaterAmpereMetalMaterials scienceNanotechnologyPhysicsInorganic chemistryChemical physicsChemistryOceanographyThermodynamicsCurrent (fluid)MetallurgyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Optimizing the electronic structure of electrocatalysts is of particular importance to enhance the intrinsic activity of active sites in water/seawater. Herein, a series of medium‐entropy metal oxides of X(NiMo)O 2 /NF (X = Mn, Fe, Co, Cu and Zn) is designed via a rapid carbothermal shocking method. Among them, the optimized medium‐entropy metal oxide (FeNiMo)O 2 /NF delivered remarkable HER performance, where the overpotentials as low as 110 and 141 mV are realized at 1000 mA cm −2 (@60 °C) in water and seawater. Meanwhile, medium‐entropy metal oxide (FeNiMo)O 2 /NF only required overpotentials of as low as 330 and 380 mV to drive 1000 mA cm −2 for OER in water and seawater (@60 °C). Theoretical calculations showed that the multiple‐metal synergistic effect in medium‐entropy metal oxides can effectively enhance the d–p orbital hybridization of Mo─O bond, reduce the energy barrier of H * adsorbed at the Mo sites. Meanwhile, Fe sites in medium‐entropy metal oxide can act as the real OER active center, resulting in a good bifunctional activity. In all, this work provides a feasible strategy for the development of highly active and stable medium‐entropy metal oxide electrocatalysts for ampere‐level water/seawater splitting.

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)0,000
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 enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 savante0,0000,001
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 Opus0,012
Tête enseignante GPT0,200
Écart entre enseignants0,188 · 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

Citations13
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207