MétaCan
Menu
Retour à la cohorte
Enregistrement W7117358236 · doi:10.1021/acscatal.5c05877

Gold–Mediated Enhancement of Methanol Oxidation Activity and Selectivity on Pt–Au@Ni Electrocatalysts

2025· article· en· W7117358236 sur OpenAlexafffund
Vi Thuy Thi Phan, Ian J. Burgess

Notice bibliographique

RevueACS Catalysis · 2025
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCatalysisFormateBifunctionalMethanolSelectivityGalvanic cellElectrochemistryInfrared spectroscopy

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide The methanol electrooxidation reaction (MOR) on mixed-metal electrocatalysts has drawn tremendous interest as a means to improve the catalytic efficiency and product selectivity. Herein, bifunctional Pt–Au@Ni catalysts formed through galvanic exchange are shown to exhibit high catalytic activity toward MOR. Voltammetric responses of MOR on Pt–Au@Ni and Pt@Ni catalysts exhibit characteristics of Ni-catalyzed MOR at high overpotentials and Pt-catalyzed MOR at low overpotentials but with a significantly higher current density on a per-surface Pt atom basis compared to a Pt electrode. In situ surface-enhanced infrared absorption spectroscopy (SEIRAS) measurements reveal that Pt–Au@Ni promotes selective conversion of methanol to formate on Pt sites with greatly suppressed CO formation while increasing the formate to carbonate product ratio on Ni sites. Favorable effects of composition engineering on the electronic structures of the materials, which are assessed by using XPS, are evoked to rationalize the greatly enhanced intrinsic activity of Pt sites in the Pt–Au@Ni catalyst. The enhancement is linked to alteration of the electronic structure of Pt by addition of Au and Ni leading to improved metal–reactant/intermediate interaction energies, in accordance with the Sabatier principle.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,032
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
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 Opus0,006
Tête enseignante GPT0,235
Écart entre enseignants0,228 · 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.

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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS CatalysisMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207