Proton friction and diffusion coefficients in hydrated polymer electrolyte membranes: Computations with a non-equilibrium statistical mechanical model
Notice bibliographique
Résumé
A recently derived mathematical model to compute the effective friction and diffusion coefficients of hydronium ions in hydrated polymer electrolyte membranes is described and tested for dependence on membrane-specific parameters. Contributions to the friction coefficient due to water–polymer, water–hydronium, and hydronium–polymer interactions are determined through computation of force–force correlation functions. The conventional Stokes law friction coefficient of the hydronium ion in bulk water is then “corrected” with these statistically derived contributions and the corresponding diffusion coefficient calculated. For a Nafion® membrane pore with an hydration level of six water molecules per sulfonic acid functional, the model was used to compute friction coefficients for various distributions of the fixed sites, and for different side chain lengths. The model showed substantial sensitivity to these parameters and predicted that for pores of fixed volume and a constant total number of sulfonate groups, the friction on the hydrated proton is the greatest for distributions with high local anionic charge density. In a second series of computations where the radius and length of the pore were varied, the model demonstrated that the proton diffusion increases with increasing channel diameter. These calculations, therefore, demonstrate the important predictive capability of this molecular-based, nonequilibrium statistical mechanical model.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».