Enhanced ambient-temperature hydrogen physisorption in porous graphene materials with defect-stabilized atomic potassium
Notice bibliographique
Résumé
Theoretically, alkali metals are expected to improve the hydrogen storage performance of graphene and its derivatives as physisorption adsorbents. However, practically achieving this improvement has proven challenging, mainly due to the elusive nature of the adsorption mechanism and the difficulty in exerting alkali metals’ hydrogen adsorption capacity in the synthesized materials. Combining experimental and theoretical efforts, this work unambiguously demonstrates the hydrogen adsorption enhancement effects of atomically decorated potassium on porous graphene materials at room temperature, evidenced by a 3.9-fold increase in maximum hydrogen adsorption capacity. In-depth microstructure and chemical characterization together with sophisticated ab initio density functional theory simulation unveil the mechanisms behind the novel atomic potassium incorporation and the enhancement of hydrogen adsorption, highlighting the role of atomic potassium in creating a nano-environment strongly attracting hydrogen at room temperature. This work provides a new strategy for enhancing hydrogen physisorption by engineering alkali metal-centered nano-attractive environment in adsorbent materials. • 3.9-fold enhancement of room-temperature H 2 storage by decorating K on graphene. • Unraveled mechanism and method of atomic K decoration onto graphene through defects. • Explained enhancement via formation of a highly charged nano-environment around K. • Revealed a new strategy for boosting H 2 physisorption using integrated alkali metal.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».