MétaCan
Menu
Retour à la cohorte
Enregistrement W2061220663 · doi:10.1021/jp9101509

Physical Theory of Platinum Nanoparticle Dissolution in Polymer Electrolyte Fuel Cells

2010· article· en· W2061220663 sur OpenAlexaff
Steven G. Rinaldo, Jürgen Stumper, Michael Eikerling

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensAutomotive Fuel Cell Cooperation (Canada)Simon Fraser University
Organismes subventionnairesnon disponible
Mots-clésDissolutionElectrolyteParticle sizeParticle (ecology)Materials scienceNanoparticlePlatinumRADIUSPolymerSurface tensionElectrochemistryThermodynamicsChemical engineeringChemical physicsChemistryElectrodeNanotechnologyCatalysisPhysical chemistryComposite materialPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The loss of electrochemically active surface area (ECSA) causes severe performance degradation over relevant lifetimes of polymer electrolyte fuel cells. Using a simple physical model, we analyze the interrelations between kinetics of platinum nanoparticle dissolution, evolution of the particle size distribution, and ECSA loss with time. The model incorporates the initial particle radius distribution, and it accounts for kinetic processes involving Pt dissolution, Pt−O formation, and Pt−O dissolution. Employing reasonable simplifying assumptions to the governing equations, a full analytical solution was found under potentiostatic conditions. The simplified model predicts the evolution of the particle radius distribution as well as ECSA loss with time, in close agreement with experimental ex situ and in situ studies. The study indicates that the rates of chemical Pt−O dissolution, driven by the particle size dependence of the cohesive energy, may dominate over electrochemical dissolution. Fitting of the model to experimental data provides an effective surface tension and an effective rate constant of Pt−O dissolution. Implications of the model for the development of strategies to reduce ECSA loss are discussed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,003
Tête enseignante GPT0,190
Écart entre enseignants0,187 · 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'étudeThéorique ou conceptuel
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

Citations176
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetFuel Cells and Related MaterialsTravaux en français237 207