Testing and assessment of various catalysts for uniquely designed cathodes for hydrogen evolution reactions
Notice bibliographique
Résumé
This study reports the electrodeposition of various unique catalysts for 3D-printed cathodes for alkaline water electrolysis. This paper explores hydrogen evolution reaction performance for nickel, nickel-copper, nickel-iron, and nickel-molybdenum 3D-printed electrodes. In particular, this study reports a novel electrodeposition of nickel-iron and nickel-molybdenum on conductive PLA 3D-printed electrode surfaces. The performance of the electrodes is assessed through electrochemical models, including cyclic voltammetry (CV), linear sweep voltammetry (LSV), and electrochemical impedance spectroscopy (EIS). The results of the study show considerable differences at a standard current density of 10 mA/cm 2 . The nickel-iron and nickel-copper coated 3D-printed electrodes are found to have an overpotential of 270 mV and 275 mV, respectively. The nickel-copper and nickel-iron coated electrodes also showed to have a low resistance. The amount of metal deposited also showed to have an important role. At a potential of −2.5 V, nickel coated electrode Ni4x, with four times the nickel mass deposition (0.178 g/cm 2 ) of another nickel coated electrode Ni1x (0.044 g/cm 2 ), is found to have a current density of −106 mA/cm 2 in comparison to −44 mA/cm 2 , respectively. These findings provide important insights for optimizing additive manufacturing for electrochemical systems. • This study reports a novel electrodeposition of Ni-Fe and Ni-Mo for 3D-printed cathodes. • The paper investigates the impact of the catalyst mass deposition on the current density. • The performance of the electrodes is evaluated based on electrochemical models. • Electrodes with higher metal amounts deposited had better electrochemical performance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».