Novel Graphene Foam Microporous Layers for PEM Fuel Cells: Interfacial Characteristics and Comparative Performance
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 The microporous layer (MPL) provides many beneficial properties for performance improvement of H 2 PEM fuel cells, particularly with respect to water management and two‐phase (gas/liquid) flow dynamics. However, the interface between the catalyst layer (CL) and MPL could be a source of additional overpotential losses due to poor electronic conductivity and/or mass transfer limitations. This is particularly important for low loading CLs which may suffer from spatial disconnect with the micro‐scaled features of conventional MPLs. In an effort to better understand the factors influencing the MPL|CL interface, the conventional carbon MPL is comparatively studied with respect to three alternative layers: graphene foam, perforated graphitic sheet and perforated stainless steel. The graphene foam shows beneficial interfacial properties that contribute to electrode kinetic and ohmic improvements during polarization. This can be attributed to the graphene's ability to conform at local length scales due to its unique flake‐like structure (achieved upon compression), an ability to intimately adhere to the CL and the layer's superior conductivity. Further investigation through single cell performance tests supports the application of the graphene foam as an MPL alternative. The results also highlight the interplay of various factors that influence the MPL|CL interface and ultimately the overall polarization performance, such as: morphology, conductivity, connectivity, compression and adhesive effects between layer components.
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