Correlating porosity with water-quality tolerance for practical on-demand hydrogen generation using porous silicon
Notice bibliographique
Résumé
Moving away from fossil fuels demands practical methods to generate hydrogen (H 2 ) when needed. While large-scale H 2 production technologies continue to advance, portable and field-deployable systems remain underdeveloped. Porous silicon (p-Si), which generates H 2 when reacting with alkaline water, offers a promising route; however, the effect of its physical structure on performance under realistic conditions remains poorly understood. This study systematically examines p-Si materials synthesized via magnesiothermic reduction at varying heating rates to link crystallinity, surface area, and pore size with H 2 generation efficiency across diverse natural water sources (ocean, river, lake, well, and rainwater). The results reveal that p-Si with pore sizes below 10 nm and surface areas above 100 m 2 g −1 are critical for sustaining high H 2 yields at a fast rate, in impure water sources. These findings establish a clear structure–property relationship that advances the design of robust, on-demand chemical H 2 storage materials for real-world applications. • Water quality can adversely affect the performance of H 2 production with porous silicon. • Adjusting the physical properties of porous silicon enhances its tolerance to impure water. • For high performance in non-pure water sources, porous silicon requires pores smaller than 10 nm. • This finding enhances the practical use of porous silicon for real-world H 2 storage.
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 | 0,001 |
| 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 ».