MétaCan
Menu
Retour à la cohorte
Enregistrement W2236005853 · doi:10.1149/06917.0761ecst

Analysis of Kinetic Parameters and Effect of Pt Loading on Cell Performance of PEFC Electrodes Prepared by Inkjet Printing

2015· article· en· W2236005853 sur OpenAlexafffund
Shantanu Shukla, Kailyn Domican, Marc Secanell

Notice bibliographique

RevueECS Transactions · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnergy Foundation
Mots-clésTafel equationOverpotentialElectrodePartial pressureMaterials scienceCatalysisOxygenAnalytical Chemistry (journal)Kinetic energyChemistryComposite materialElectrochemistryChromatographyPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The changes to cell performance, Tafel slope and reaction order with varying Pt loadings and catalyst layer (CL) thickness of 0.014 to 0.1mg/cm2 and 1 μm to 5.5 μm respectively are studied by using a varietyof oxygen partial pressures for the case of thin, low-loaded inkjet printed electrodes. For 20% Pt/C catalyst, a steep increase in performance was observed as the Pt loading increased to 0.079 mg/cm2, corresponding to a CL thickness of around 4.4 μm. At higher Pt loadings, the improvement in the cell performance was substantially reduced. Higher cell performance for the inkjet printed CCMs could be obtained by altering the operating conditions (e.g., operating at a higher back-pressure) rather than increasing the Pt loading. Active area of the electrodes decreased from 57 to 41 m2/g as the Pt loading increased from 0.026 to 0.1 mg/cm2. Below the transition voltage of 0.8 ViRFree, Tafel slope was found to be a function ofthe Pt loading and oxygen partial pressure (PO2). The kinetic reaction order (γ) increased with increasing overpotential for all the Pt loading cases.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,191
Écart entre enseignants0,185 · 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

Citations4
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetFuel Cells and Related MaterialsTravaux en français237 207