Recent Advances in Fe‐Free M–N–C Catalysts for Oxygen Reduction Reaction

催化作用 氧还原反应 反应性(心理学) 纳米技术 过渡金属 材料科学 铂金 金属 碳纤维 降级(电信) 化学 化学工程 计算机科学 电化学 物理化学 冶金 有机化学 工程类 复合材料 病理 替代医学 复合数 电信 医学 电极
作者
Xinlong Tian,Yuxian Duan,Min Chen,Li‐Zhi Gao,Hongxian Luo,Yichi Guan,Yu Zhou,Junming Luo,Ruisong Li,Daoxiong Wu,Zhengpei Miao,Chongtai Wang
出处
期刊:Chemsuschem [Wiley]
卷期号:18 (15): e202500430-e202500430 被引量:3
标识
DOI:10.1002/cssc.202500430
摘要

Atomically dispersed metal-nitrogen-carbon (M-N-C) materials, characterized by well-defined coordination structures, have emerged as promising candidates to supersede costly platinum-based catalysts for the oxygen reduction reaction (ORR). Although Fe-N-C catalysts exhibit the highest ORR activity among Pt-free systems, their practical application is hindered by durability challenges stemming from Fenton reaction-induced degradation. Fe-free M-N-C catalysts (MCo, Mn, Ni, etc.), which mitigate Fenton reactivity, have attracted significant attention; however, their catalytic activities remain markedly lower than those of Fe-based counterparts. Critical uncertainties persist in establishing structure-activity-stability relationships, particularly regarding the interplay between coordination architecture engineering, single-atom site density, and overall catalytic performance. This review critically examines ORR mechanisms underpinning M-N-C systems, evaluates innovative strategies to decouple activity and stability in Fe-free catalysts, and proposes frameworks to translate atomic-scale materials into enhanced device-level performance. Finally, a multidisciplinary roadmap integrating advanced synthesis, operando diagnostics, and machine learning to speed up the development of durable, high-performance ORR electrocatalysts is proposed.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
董瑞完成签到,获得积分10
刚刚
1秒前
11完成签到,获得积分10
1秒前
酷酷的数据线完成签到,获得积分10
1秒前
YS完成签到,获得积分20
1秒前
1秒前
yang_keai完成签到,获得积分10
1秒前
小鱼完成签到,获得积分20
1秒前
科研通AI6.2应助Gao采纳,获得10
2秒前
2秒前
负责的大白菜真实的钥匙完成签到 ,获得积分10
2秒前
kaka完成签到,获得积分10
2秒前
小何发布了新的文献求助10
2秒前
3秒前
boydenyol发布了新的文献求助10
3秒前
Akim应助多拉贡来了采纳,获得10
3秒前
yangyuepeng关注了科研通微信公众号
3秒前
Serendipity完成签到,获得积分10
4秒前
正直凌文完成签到,获得积分10
4秒前
yyc发布了新的文献求助20
4秒前
SYH完成签到,获得积分20
4秒前
CZJ发布了新的文献求助10
4秒前
5秒前
Yi应助大聪明采纳,获得10
5秒前
传奇3应助YS采纳,获得10
5秒前
6秒前
6秒前
7秒前
吕吕发布了新的文献求助10
7秒前
you完成签到,获得积分10
7秒前
华子的五A替身完成签到,获得积分10
7秒前
超级安南完成签到,获得积分10
7秒前
Aesias完成签到,获得积分10
7秒前
细心的海之完成签到 ,获得积分10
8秒前
微风发布了新的文献求助10
8秒前
Orochimaru发布了新的文献求助10
8秒前
小蘑菇应助veephone采纳,获得10
8秒前
8秒前
8秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Geist der Kunst und Kultur 1000
Resistance Spot Welding Dataset for Automobile Body-in-White Quality Analysis 748
日本現代怪異事典 副読本 700
悉尼大学博士学位论文,题目:Modelling and testing of one-sided stitched laminated composites. 作者:Kristopher P. Plain 650
Machine Learning for Asset Management and Pricing 600
Numerical analysis of the coupled atmosphere-ocean models (CAO II). II 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7393644
求助须知:如何正确求助?哪些是违规求助? 8999769
关于积分的说明 19153316
捐赠科研通 7029558
什么是DOI,文献DOI怎么找? 3229437
关于科研通互助平台的介绍 2391986
邀请新用户注册赠送积分活动 2210877