MétaCan
Menu
Retour à la cohorte
Enregistrement W2315296027 · doi:10.1149/05701.1627ecst

Optimization of Infiltration Techniques Used to Construct Ni/YSZ Anodes

2013· article· en· W2315296027 sur OpenAlexafffund
Parastoo Keyvanfar, Viola Birss

Notice bibliographique

RevueECS Transactions · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvancements in Solid Oxide Fuel Cells
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Alberta
Mots-clésYttria-stabilized zirconiaAnodeMaterials scienceWettingElectrolyteChemical engineeringCubic zirconiaScanning electron microscopePorosityElectrochemistryComposite materialElectrodeChemistryCeramic

Résumé

récupéré en direct d'OpenAlex

A range of Ni-containing solutions have been infiltrated into a symmetrical tubular half-cell composed of a slip-casted, porous yttria-stabilized zirconia (YSZ) anode support, Ni-YSZ functional layers, a YSZ electrolyte, and a second, outer porous YSZ anode support layer, aiming at the development of high performance anodes that are tolerant to redox-cycling. A combination of surface wettability experiments and optical and electron microscopy imaging has been used to determine how well these solutions penetrate the porous YSZ matrix, then correlating these results with the electrochemical performance in humidified H 2 environments at 800 ⁰C. It is shown that the addition of the Triton-X-100 surfactant to the infiltration solution results in excellent penetration of the YSZ matrix, while the use of urea as a Ni complexing agent does not give good wettability, thus leaving a Ni-rich layer on the outer anode surface. Overall, the use of a two-step process, involving several infiltrations with Ni nitrate solutions containing Triton-X-100, followed by several infiltrations with urea-containing solutions, leads to the best cell performance as well as the best Ni distribution inside the anode layers.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil0,996

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,017
Tête enseignante GPT0,268
Écart entre enseignants0,251 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

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