MétaCan
Menu
Retour à la cohorte
Enregistrement W2144352550 · doi:10.1149/2.026403jes

Copper-Magnesium-Manganese Spinel Coatings for Solid Oxide Fuel Cell Interconnects

2013· article· en· W2144352550 sur OpenAlexafffund
Simon Joshi, Catherine Silva, Pengli Wang, Yurij Mozharivskyj, Anthony Petric

Notice bibliographique

RevueJournal of The Electrochemical Society · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Thermal Properties of Materials
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcMaster University
Mots-clésSpinelMaterials scienceManganeseMetallurgyMagnesiumCopperChromiumOxideOxidizing agentSolid oxide fuel cellConductivityInorganic chemistryChemical engineeringChemistryElectrode

Résumé

récupéré en direct d'OpenAlex

The properties of Cu-Mn-O spinels containing Mg were studied for use as protective coatings on UNS430 stainless steel interconnects in solid oxide fuel cells. Cu-Mn-Mg-O spinel coatings were formed by oxidizing electrodeposited copper, manganese, and magnesium hydroxide films in air at 800°C. A base layer of copper aided uniform manganese deposition and uniform spinel formation. The Mg-Mn-O pseudobinary phase diagram based on XRD results shows a wide range of spinel non-stoichiometry. The CuMn 2 O 4 spinel coating has higher conductivity (∼100 S/cm at 800°C) but exhibited buckling defects. Addition of magnesium to the Cu-Mn-O spinel coatings significantly reduced the buckling damage. Although the measured electrical conductivity of MgMn 2 O 4 is 1–2 S/cm at 800°C, Cu 0.7 Mg 0.3 Mn 2 O 4 has a conductivity of ∼60 S/cm at 800°C. Cu-Mn-Mg-O spinel coatings also protect stainless steel by significantly reducing chromium oxide scale formation and diffusion of chromium into the coatings with the advantage of relatively high conductivity.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,194
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'étudeExpérimental (laboratoire)
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

Citations10
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetElectrical and Thermal Properties of MaterialsTravaux en français237 207