MétaCan
Menu
Retour à la cohorte
Enregistrement W2056511025 · doi:10.1149/06112.0083ecst

Development of a High Resolution Thermal Model of the Microporous Layer found in PEM Fuel Cells

2014· article· en· W2056511025 sur OpenAlexafffund
Steven Joseph Botelho, Aimy Bazylak

Notice bibliographique

RevueECS Transactions · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Toronto
Mots-clésMicroporous materialThermal conductivityMaterials scienceProton exchange membrane fuel cellParticle (ecology)Nanoscopic scaleNanotechnologyChemical engineeringComposite materialFuel cells

Résumé

récupéré en direct d'OpenAlex

In this study, the nanoscale features of the polymer electrolyte membrane (PEM) fuel cell microporous layer (MPL) are considered in the determination of the effective thermal conductivity. A combination of scanning electron microscopy and atomic force microscopy was used to visualize SGL-10BB and SGL-10BC MPLs, and we found that the MPL typically consists of randomly positioned spherical particles with diameters ranging from 10-100 nm. We developed a unit-cell model packed with spherical particles of various diameters to represent the MPL based on our high resolution visualizations. A thermal analysis based on the Gauss-Seidel iterative method for conductive heat transfer was utilized to obtain the effective thermal conductivity of various unit-cell configurations. It was found that the nature of contact between MPL particles dominates the effective thermal conductivity, which provides valuable insight for future MPL designs. To the authors’ best knowledge, this is the first investigation of how the nanoscale features (namely particle to particle contacts) affect the bulk effective thermal conductivity of the material. This nanostructed model can also be used for future investigations, such as oxygen diffusion and electrical conductivity studies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,396
Score d'incertitude au seuil0,220

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,011
Tête enseignante GPT0,182
Écart entre enseignants0,171 · 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.

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

Citations1
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetFuel Cells and Related MaterialsTravaux en français237 207