MétaCan
Menu
Retour à la cohorte
Enregistrement W4401733049 · doi:10.1021/acs.jpcc.4c01867

Electrowinning for Room-Temperature Ironmaking: Mapping the Electrochemical Aqueous Iron Interface

2024· article· en· W4401733049 sur OpenAlexfundno aff
Lance Kavalsky, Venkatasubramanian Viswanathan

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPourbaix diagramElectrowinningElectrochemistryDissolutionEndothermic processElectrolyteAqueous solutionHydrogenInorganic chemistryChemistryElectroplatingMaterials scienceMetallurgyElectrodeAdsorptionNanotechnologyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

A promising route toward room-temperature ironmaking is electrowinning, where iron ore dissolution is coupled with cation electrodeposition to grow pure iron. However, poor faradaic efficiencies against the hydrogen evolution reaction (HER) is a major bottleneck. To develop a mechanistic picture of this technology, we conduct a first-principles thermodynamic analysis of the Fe110 aqueous electrochemical interface. Constructing a surface Pourbaix diagram, we predict that the iron surface will always drive toward adsorbate coverage. We calculate theoretical overpotentials for terrace and step sites and predict that growth at the step sites are likely to dominate. Investigating the hydrogen surface phases, we model several hydrogen absorption mechanisms, all of which are predicted to be endothermic. Additionally, for HER we identify step sites as being more reactive than on the terrace and with competitive limiting potentials to iron plating. The results presented here further motivate electrolyte design toward HER suppression.

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 seuil0,006

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,235
Écart entre enseignants0,227 · 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207