MétaCan
Menu
Retour à la cohorte
Enregistrement W4405202190 · doi:10.1002/celc.202400563

A Comparative Study of the Oxygen Reduction Reaction on Pt and Ag in Alkaline Media

2024· article· en· W4405202190 sur OpenAlexaff
Alexander Rampf, Michael Braig, Stefano Passerini, Roswitha Zeis

Notice bibliographique

RevueChemElectroChem · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésDielectric spectroscopyChemistryCatalysisPolarization (electrochemistry)ElectrochemistryDesorptionGas diffusion electrodeAnalytical Chemistry (journal)Fuel cellsElectrodeChemical engineeringInorganic chemistryPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Investigating the ORR under practical conditions is vital for optimizing metal–air batteries and alkaline fuel cells. Herein, we characterized Pt and Ag gas diffusion electrodes (GDE) in a GDE half‐cell in high alkaline concentrations at elevated temperatures by polarization curves and electrochemical impedance spectroscopy (EIS) combined with the distribution of relaxation times (DRT) analysis. The Pt catalyst's polarization curve displays substantial losses below 0.82 V vs. RHE. The DRT analysis reveals significantly increased charge transfer resistance and a decelerated ORR at that potential. RRDE measurements attributed the polarization loss observed for Pt catalysts to increased peroxide formation in this potential region triggered by the desorption of oxygenated species. Therefore, the ORR activity of Ag exceeds some of the here‐used Pt catalysts at high current densities. This work combines the benefits of the RRDE and the GDE half‐cell to study catalysts and identify the reaction mechanisms under conditions relevant to practical fuel cells and batteries. Moreover, the DRT analysis is introduced as an analytical tool to determine the charge transfer resistance contribution and the corresponding frequency of the ORR.

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 enseignants0,001
Score d'incertitude au seuil0,003

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

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 Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemElectroChemMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207