MétaCan
Menu
Retour à la cohorte
Enregistrement W4416795696 · doi:10.1016/j.esci.2025.100506

High-entropy alloys for hydrogen storage, separation, and detection: Recent progress and prospects

2025· article· en· W4416795696 sur OpenAlexaff
Jiaxi Liu, Pengru Huang, Yongpeng Xia, Yanping Liu, Yumei Luo, Huanzhi Zhang, Yongjin Zou, Hailiang Chu, Sergey V. Vostrikov, Sergey P. Verevkin, Lixian Sun, Fen Xu, Zongwen Liu, Hongge Pan

Notice bibliographique

RevueeScience · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh Entropy Alloys Studies
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesGuilin University of Electronic TechnologyNational Key Research and Development Program of ChinaBagui Scholars Program of Guangxi Zhuang Autonomous RegionInstitut Pengajian Siswazah, Universiti Teknologi MARAGuangxi UniversityNational Natural Science Foundation of China
Mots-clésHydrogenHydrogen technologiesEnergy (signal processing)Phase (matter)Hydrogen fuelEnergy carrier

Résumé

récupéré en direct d'OpenAlex

As a pivotal clean energy carrier with promising efficiency, environmental friendliness, and sustainability, hydrogen stands at the forefront of the global energy technology revolution. However, achieving the efficient storage, easy separation, and trace detection of hydrogen remain critical challenges. High-entropy alloys (HEAs) have garnered attention because of their remarkable attributes, including high stability, single-phase reversibility, and a wide tunable range of composition and electronic structure. Commencing with a succinct background overview, we explore the pivotal role of theoretical methods in designing the phase structure and ensuring the stability of HEAs, focusing especially on diverse element types and contents. We then present a summary of prevalent methods for preparing HEAs, followed by a detailed examination of recent advances in their hydrogen-related properties, encompassing hydrogen storage, separation, and detection. Finally, we look at the existing challenges and offer perspectives on the trajectory of future research and applications in this promising technological domain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,213
Score d'incertitude au seuil0,371

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,245
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations12
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScienceMême sujetHigh Entropy Alloys StudiesTravaux en français237 207