MétaCan
Menu
Retour à la cohorte
Enregistrement W2262609874 · doi:10.1149/1.3502354

Developing an Electrochemical Method to Assess SOFC Anode Losses during H<sub>2</sub>S Poisoning under Polarization

2010· article· en· W2262609874 sur OpenAlexafffund
Scott Paulson, Matthew Sponiar, Viola Birss

Notice bibliographique

RevueECS Transactions · 2010
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvancements in Solid Oxide Fuel Cells
Établissements canadiensUniversity of Calgary
Organismes subventionnairesWestern Economic Diversification CanadaNatural Sciences and Engineering Research Council of CanadaMinistry of Advanced Education, Government of Alberta
Mots-clésAnodePolarization (electrochemistry)Solid oxide fuel cellMaterials scienceElectrochemistryElectrodeOxideSulfurHydrogenAnalytical Chemistry (journal)MetallurgyChemistryEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

A 3-electrode electrochemical method has been used to quantitatively assess the influence of ppm levels of H2S on the hydrogen oxidation performance of Ni-based solid oxide fuel cell (SOFC) anodes as a function of applied current over a reasonable time frame. When performed under near identical polarization history due to non-steady-state anode behavior, this work shows that low currents (moderate overpotentials) do not influence the magnitude of S poisoning of Ni-based anodes. Furthermore, activation by polarization or infiltration of the Ni-YSZ anode with ceria does not seem offer any dramatic improvement in sulfur poisoning resistance at 764 oC, and relative recovery after H2S exposure is found to be worse in the case of ceria.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,027
Tête enseignante GPT0,321
Écart entre enseignants0,294 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetAdvancements in Solid Oxide Fuel CellsTravaux en français237 207