MétaCan
Menu
Retour à la cohorte
Enregistrement W2048583832 · doi:10.1021/ef900653x

Correlation for the Effective Gas Diffusion Coefficient in Carbon Paper Diffusion Media

2009· article· en· W2048583832 sur OpenAlexafffund
Nada Zamel, Xianguo Li, Jun Shen

Notice bibliographique

RevueEnergy & Fuels · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensBC Innovation CouncilUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDiffusionEffective diffusion coefficientGaseous diffusionPorous mediumElectrolytePlane (geometry)PorosityCorrelation coefficientMaterials scienceChemistryThermodynamicsMechanicsPhysicsPhysical chemistryComposite materialElectrodeMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The understanding of mass transport limitations in polymer electrolyte membrane (PEM) fuel cells is crucial in the research and progress of this technology. The structure of the components, specifically the as diffusion layer (GDL), of PEM fuel cells, is complex. Thus, for the purpose of simulating mass transport in the GDL, the effect of the structure on the diffusion coefficient is taken into account by introducing an effective diffusion coefficient. The effective diffusion coefficient of a gas is lower than its corresponding bulk diffusion coefficient due to the presence of a solid matrix in the porous materials. Currently, the Bruggeman approximation is the most widely used correlation for estimating the effective diffusion coefficient in the GDL. Other semiempirical models are also available. However, these correlations overestimate the effective diffusion coefficient due to the assumptions on which they are based. In this study, correlations for the through-plane and in-plane diffusibility in the GDL are developed based on a three-dimensional (3D) simulation of gas diffusion in the GDL. The 3D structure of the TORAY carbon paper with no binding material is reconstructed using stochastic models and used as the modeling domain. The numerical results are shown to have a good agreement with experimental data of diffusibility in both directions. Correlations for two different porosity ranges are given.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,004
Tête enseignante GPT0,183
Écart entre enseignants0,179 · 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 source (Gemma direct ou Codex distillé), 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

Citations139
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetFuel Cells and Related MaterialsTravaux en français237 207