MétaCan
Menu
Retour à la cohorte
Enregistrement W4402035785 · doi:10.1002/cssc.202401157

Computational Engineering of Non‐van der Waals 2D Magnetene for Enhanced Oxygen Evolution and Reduction Reactions

2024· article· en· W4402035785 sur OpenAlexafffund
Pedro Guerra Demingos, Zhiwen Chen

Notice bibliographique

RevueChemSusChem · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Toronto
Mots-clésvan der Waals forceOxygen reductionReduction (mathematics)Oxygen reduction reactionOxygenChemistryChemical reaction engineeringMaterials scienceChemical physicsComputational chemistryCatalysisPhysical chemistryMoleculeOrganic chemistryElectrochemistryMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Non‐van der Waals two‐dimensional materials containing exposed transition metal atoms are promising catalysts for green energy storage and conversion. For instance, hematene and ilmenene have been successfully applied as catalysts. Building on these reports, this work is the first investigation of recently synthesized magnetene towards the Oxygen Evolution Reaction (OER) and Oxygen Reduction Reaction (ORR). Using Density Functional Theory (DFT) calculations, we unveil the mechanism, performance and ideal conditions for OER and ORR on magnetene. With overpotentials of η OER =0.50 V and η ORR =0.41 V, the material is not only a bifunctional catalyst, but also superior to state‐of‐the‐art systems such as Pt and IrO 2 . Additionally, its catalytic properties can be further enhanced through engineering strategies such as point defects and in‐plane compression. It reaches η ORR =0.28 V at a compressive strain of only 2 %, while the presence of Ni boosts it to η OER =0.39 V and η ORR =0.31 V, comparable to many reported single‐atom catalysts. Overall, this work demonstrates that magnetene is a promising bifunctional catalyst for applications such as regenerative fuel cells and metal‐air batteries.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,010
Tête enseignante GPT0,239
Écart entre enseignants0,228 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemSusChemMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207