Synergistic Effect of MoO<sub>2</sub>–Ni<sub>3</sub>(PO<sub>4</sub>)<sub>2</sub> Heterostructures In Situ Grown on Nickel Foam Enhances the Efficiency of Hydrogen Evolution Reaction in Simulated Seawater
Notice bibliographique
Résumé
Hydrogen (H 2 ) with a high gravimetric energy density (142 MJ/kg) and zero carbon emissions is a green energy source. The electrocatalytic hydrogen evolution reaction (HER) is a prominent strategy for hydrogen production, and the essential technology of electrocatalysts focuses on creating catalysts that are highly efficient, cost-effective, and excellently stable. Herein, a heterostructure electrode/catalyst consisting of MoO 2 –Ni 3 (PO 4 ) 2 /NF (where NF = nickel foam) was fabricated using (NH 4 ) 6 [NiMo 9 O 32 ]·6H 2 O as precursor via a two-step method utilizing hydrothermal synthesis and chemical vapor deposition (CVD). Thanks to the remarkable synergistic effect occurring at the interfaces of the heterostructure, the catalytic efficiency of MoO 2 –Ni 3 (PO 4 ) 2 /NF can outperform that of other catalyst materials. In particular, the MoO 2 –Ni 3 (PO 4 ) 2 /NF electrode exhibits overpotentials of 66 and 258 mV at 10 mA cm –2, along with low Tafel slopes of 56.03 and 85.32 mV/dec in 1 mol/L KOH and simulated seawater electrolyte, respectively. Density functional theory calculations (DFT) validate that the Gibbs free energy (Δ G H* ) values for hydrogen adsorption of MoO 2 (110)/Ni 3 (PO 4 ) 2 (−222) with 0.033 eV are much closer to zero, similar to Pt/C. In situ FTIR spectra indicate that the synergistic effect of MoO 2 (110)/Ni 3 (PO 4 ) 2 (−222) can further create more catalytic active sites and modulate intermediate H* adsorption to promote the HER process. Overall, this study highlights the potential of nanostructured MoO 2 –Ni 3 (PO 4 ) 2 heterostructures for application in efficient hydrogen production under seawater conditions.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».