Mitigating cobalt nanoparticles in pyrolyzed Co-ZIF-derived oxygen reduction reaction electrocatalysts in alkaline media
Notice bibliographique
Résumé
To advance sustainable energy technologies like fuel cells, metal-air batteries, and electrosynthesis of H 2 O 2 - driven by the oxygen reduction reaction (ORR) - pyrolyzed transition metal-carbon-nitrogen (TM-N x /C) electrocatalysts derived from zeolitic imidazolate frameworks (ZIFs) are promising alternatives to platinum-group metals. Pyrolysis, an essential step in preparing ZIF-derived TM-N x /C electrocatalysts, can induce the formation of metal-based nanoparticles, thereby reducing active-site density and catalytic efficiency. Understanding the formation of nanoparticles and mitigating them is therefore critical. Herein, we employ four strategies used during synthesis to minimize the presence of Co nanoparticles in Co-ZIF-derived ORR electrocatalysts: spatial isolation, dimensionality control, thermal exfoliation, and acid-washing. Electrochemical performance of the prepared electrocatalysts was evaluated using a rotating ring-disk electrode in 0.1 M KOH, and the materials were characterized by a variety of techniques to understand their physical and chemical properties. Besides influencing nanoparticle formation and presence, mitigation strategies also impacted catalyst surface areas, concentration of N-doped carbon defects, exposure of active sites, electrochemical surface areas, and electro-catalytic selectivity towards HO 2 - . Unlike spatial isolation (using dual Co 2+ /Zn 2+ nodes) and dimensionality control (2D vs. 3D ZIFs), acid washing (with nitric acid) and exfoliation (via KCl intercalation pre-pyrolysis) effectively produced Co nanoparticle-free electrocatalysts. Optimal ORR performance metrics were linked with combining multiple mitigation strategies, such as spatial isolation and exfoliation. Correlative physical and electrochemical characterizations illustrated the complex interplay between structure, property, and performance with different nanoparticle mitigation strategies. This work offers insights into deriving sustainable nanoparticle-free ZIF-derived electrocatalysts via pyrolysis, addressing a critical need in ORR-based technologies. • Real-time insights into the dynamics of Co nanoparticle formation in Co-ZIF-67 via in situ transmission electron microscopy. • Design and characterization of 2D and 3D Co-ZIF, Zn-ZIF, and Co/Zn-ZIF precursors pre- and post-pyrolysis. • The effectiveness of acid washing and thermal exfoliation in removing Co nanoparticles as sole strategies is demonstrated. • Combining strategies such as Co node spatial isolation with acid washing or thermal exfoliation showed synergistic effects. • Insights for optimizing Co/Zn ZIF-derived ORR electrocatalysts through structure-property-performance correlations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».