OpenFCST: An Open-Source Mathematical Modelling Software for Polymer Electrolyte Fuel Cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OpenFCST (open-source fuel cell simulation toolbox) is an open-source, finite element method based, multi-dimensional mathematical modeling software for polymer electrolyte fuel cells. The aim of the software is to develop a platform for collaborative development of fuel cell mathematical models. The philosophy, structure and main components of openFCST are presented. OpenFCST currently includes physical models for gas, electron, ion, ionomer-bound water and heat transport. It also contains effective transport media relations to estimate transport properties for gas diffusion layers, micro-porous layers and catalyst layers as well as several kinetic models for the fuel cell electrochemical reactions. OpenFCST has been structured as a toolbox such that it is easier for new users to integrate new physical models with existing framework. OpenFCST is used to analyze the impact of different kinetic models on a multidimensional cathode model and to study the main differences between a macro-homogeneous and several agglomerate models. Finally, openFCST is used to develop a three-dimensional model of a patterned catalyst layer. Results show that multi-step kinetic models improve fuel cell performance predictions, macro-homogeneous and ionomer-filled agglomerate models show similar performance for 100 nm radii agglomerates up to current densities of 2 A/cm 2 , and water-filled agglomerate models require negative surface charges to exist at the pore walls in order to provide results in-line with experimental data. Finally, a patterned catalyst layer with micro-pores is shown to improve electrode performance.
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.
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 découle