Density Functional Theory Analysis of Metal/Graphene Systems As a Filter Membrane to Prevent CO Poisoning in Hydrogen Fuel Cells
Notice bibliographique
Résumé
Hydrogen fuel cells are a very promising potential replacement for internal combustion engines. However, their current use is limited by carbon monoxide poisoning of the platinum anode catalyst that occurs when CO enters the cell in the H 2 feed gas. A novel new solution to this problem is the addition of a metal/graphene filter membrane exterior to the cell. This membrane will remove CO from the feed gas, allowing reduced loading of the expensive Pt catalyst and increasing cell lifetime. In the current work, density functional theory (DFT) was used to analyze graphene membranes containing nickel, copper, platinum, and iridium/gold atoms. The binding energy of the metal to the graphene was measured for a lone system and in the presence of CO and H 2 to predict its durability. The binding energy of CO and H 2 to metal was also measured to estimate its efficiency. All systems were analyzed using natural bond orbitals (NBOs). It was found that copper is a poor choice for use in membranes in all respects. Nickel systems show the most promise: they have a consistent metal/graphene binding energy when feed gas molecules are introduced. In addition, although CO binding is strong to Ni, Pt, and Ir/Au, nickel systems show the weakest interaction with H 2 . NBO analysis of these systems shows that metal orbitals are the most involved in bonding.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».