-
公开(公告)号：CN117374296A
公开(公告)日：2024-01-09
申请号：CN202311386358.8
申请日：2023-10-24
摘要： 本发明涉及电催化材料技术领域，揭露了一种钴掺杂纳米硫化锌的氧还原电催化材料制备方法及装置，包括：将氨基噻唑、无水醋酸锌及预设浓度的六水硝酸钴溶液置于研磨皿中进行混合研磨并干燥，得到电催化前驱体，将电催化前驱体研磨后置于瓷舟内并利用管式炉对所述待热解前驱体进行热解，得到热解产物，利用盐酸对所述热解产物进行刻蚀，得到热解刻蚀产物，对热解刻蚀产物进行洗涤及过滤，得到初始氧还原电催化材料，将所述初始电催化产物进行干燥，得到目标氧还原电催化材料。本发明主要目的在于解决当前Pt/C催化剂存在价格高昂且催化性能较低的问题。
-
公开(公告)号：CN118366559A
公开(公告)日：2024-07-19
申请号：CN202410484428.1
申请日：2024-04-22
摘要： 发明涉及电化学技术领域，提出了一种基于退役电池的氧还原电催化剂制备方法，包括：获取并筛选作为原材料的初始退役电池集，得到目标退役电池集，基于目标退役电池集获取放电电池，利用电池拆解器对放电电池执行拆解操作，得到负极废料，对所述负极废料执行热解操作，得到无机废料，利用酸解液对无机废料执行酸浸操作得到回收废料，基于石墨废料获取第三制备样品，将目标组合参数输入至研磨机后，利用研磨机对第三制备样品执行研磨操作，得到目标制备样品，利用管式炉对目标制备样品执行热处理操作，得到目标产物。本发明主要目的在于解决对退役电池回收、利用时，所造成资源浪费和环境污染的问题，同时制备高价值氧还原电催化剂。
-
公开(公告)号：CN115035966A
公开(公告)日：2022-09-09
申请号：CN202210953283.6
申请日：2022-08-09
摘要： 本发明涉及人工智能技术，揭露了一种基于主动学习和符号回归的超导体筛选方法，包括：对材料数据进行多类型联合数据清洗，得到有效数据，识别有效数据的数值计算特征、化学特征、空间群特征及掺杂特征；将数值计算特征、化学特征、空间群特征及掺杂特征进行关联度筛选，得到特征子集；利用预先训练的特征分析决策树模型根据特征子集对有效数据中每种化合物的超导能力进行分析，并选取符合预设条件的化合物为潜在高温超导体，其中，特征分析决策树模型是通过主动学习及符号回归的方式预先训练得到的回归模型。本发明还提出一种基于主动学习和符号回归的超导体筛选装置及设备。本发明可以提高解析高温超导材料筛选的精确度。
-
公开(公告)号：CN118147695A
公开(公告)日：2024-06-07
申请号：CN202410321010.9
申请日：2024-03-20
IPC分类号： C25B11/091 , C25B1/04
摘要： 本发明涉及海水电解制氢领域，揭露了一种石墨烯包覆合金电催化剂的制备及海水电解制氢方法，包括导入钼酸钠至六水氯化镍溶液，得到反应液，将反应液导入马弗炉并保温，得到初始产物，清洁及干燥初始产物，得到前驱体，研磨前驱体并导入至管式炉，在气体环境下以拟定温升速度加热至第二反应温度并保温后，得到还原产物，冷却还原产物，得到待沉积材料，利用化学气相沉积法沉积待沉积材料，得到催化剂，根据催化剂获取电催化剂，基于电催化剂获取质量检测报告，根据三电极体系条件及电催化剂执行海水电解制氢模拟试验操作，得到电催化性能检测报告。本发明主要目的在于解决制造低成本且性能更优的海水电解制氢的催化剂的问题。
-
公开(公告)号：CN118127562A
公开(公告)日：2024-06-04
申请号：CN202410306933.7
申请日：2024-03-18
IPC分类号： C25B11/091 , C25B11/089 , C25D13/12 , C25D13/18 , C25D13/20 , C25D13/22
摘要： 本发明涉及电催化材料技术领域，揭露了一种镍钼磷包覆镍钼合金的电催化材料制备方法及装置，包括：对NiMoO4/NF进行热处理，得到NiMo/NF，测试多组初始NiMoP‑NiM o/NF催化剂对应的电催化性能集，根据所述电催化性能集识别最佳电沉积时长，根据最佳电沉积时长及恒电位沉积法对所述NiMo/NF进行电沉积电流监测，得到电沉积电流点集，识别多组电流聚类点集，根据电沉积电流曲线及电流聚类分段点集对NiMo/NF进行电位聚类分段测试，得到聚类分段电位，根据聚类分段电位及电流聚类分段点集，对NiMo/NF进行电沉积，得到目标NiMoP‑NiMo/NF催化剂。本发明主要目的在于解决恒电位沉积过程中由于电压飘移导致沉积产物成分不稳定及催化剂催化性能较低的问题。
-
公开(公告)号：CN115035966B
公开(公告)日：2022-11-04
申请号：CN202210953283.6
申请日：2022-08-09
摘要： 本发明涉及人工智能技术，揭露了一种基于主动学习和符号回归的超导体筛选方法，包括：对材料数据进行多类型联合数据清洗，得到有效数据，识别有效数据的数值计算特征、化学特征、空间群特征及掺杂特征；将数值计算特征、化学特征、空间群特征及掺杂特征进行关联度筛选，得到特征子集；利用预先训练的特征分析决策树模型根据特征子集对有效数据中每种化合物的超导能力进行分析，并选取符合预设条件的化合物为潜在高温超导体，其中，特征分析决策树模型是通过主动学习及符号回归的方式预先训练得到的回归模型。本发明还提出一种基于主动学习和符号回归的超导体筛选装置及设备。本发明可以提高解析高温超导材料筛选的精确度。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.046 秒)
