How good are the Electrodes we use in PEFC?
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 Basically, companies and laboratories implement production methods for their electrodes on the basis of experience, technical capabilities and commercial preferences. But how does one know whether they have ended up with the best possible electrode for the components used? What should be the (i) optimal thickness of the catalyst layer? (ii) relative amounts of electronically conducting component (catalyst, with support – if used), electrolyte and pores? (iii) “particle size distributions” in these mesophases? We may be pleased with our MEAs, but could we make them better? The details of excellently working MEA structures are typically not a subject of open discussion, also hardly anyone in the fuel cell business would like to admit that their electrodes could have been made much better. Therefore, we only rarely find (far from systematic) experimental reports on this most important issue. The message of this paper is to illustrate how strongly the MEA morphology could affect the performance and to pave the way for the development of the theory. Full analysis should address the performance at different current densities, which is possible and is partially shown in this paper, but vital trends can be demonstrated on the linear polarization resistance, the signature of electrode performance. The latter is expressed through the minimum number of key parameters characterizing the processes taking place in the MEA. Model expressions of the percolation theory can then be used to approximate the dependence on these parameters. The effects revealed are dramatic. Of course, the corresponding curves will not be reproduced literally in experiments, since these illustrations use crude expressions inspired by the theory of percolation on a regular lattice, whereas the actual mesoscopic architecture of MEA is much more complicated. However, they give us a flavour of reserves that might be released by smart MEA design.
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