Solid‐state Materials and Methods for Hydrogen Storage: A Critical Review
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
Abstract Hydrogen is important as a new source of energy for automotive applications. It is clear that the key challenge in developing this technology is hydrogen storage. Current methods for hydrogen storage have yet to meet all the demands for on‐board applications. High‐pressure gas storage or liquefaction cannot fulfill the storage criteria required for on‐board storage. Solid‐state materials have shown potential advantages for hydrogen storage in comparison to other storage methods. In this article, the most popular solid‐state storage materials and methods including carbon based materials, metal hydrides, metal organic frameworks, hollow glass microspheres, capillary arrays, clathrate hydrates, metal nitrides and imides, doped polymer and zeolites, are critically reviewed. The survey shows that most of the materials available with high storage capacity have disadvantages associated with slow kinetics and those materials with fast kinetics have issues with low storage capacity. Most of the chemisorption‐based materials are very expensive and in some cases, the hydrogen absorption/desorption phenomena is irreversible. Furthermore, a very high temperature is required to release the adsorbed hydrogen. On the other hand, the main drawback in the case of physisorption‐based materials and methods is their lower capacity for hydrogen storage, especially under mild operating conditions. To accomplish the requisite goals, extensive research studies are still required to optimize the critical parameters of such systems, including the safety (to be improved), security (to be available for all), cost (to be lowered), storage capacity (to be increased), and the sorption‐desorption kinetics (to be improved).
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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