MétaCan
Menu
Retour à la cohorte
Enregistrement W2321081517 · doi:10.1149/1.3635551

Single Pore Modeling of Oxygen Reduction in Ionomer-Free Catalyst Layers in PEFCs

2011· article· en· W2321081517 sur OpenAlexafffund
Karen Ka Wing Chan, Michael Eikerling

Notice bibliographique

RevueECS Transactions · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectrolyteIonomerMaterials scienceCatalysisMetalOxygenWork (physics)Faraday efficiencyPhase (matter)LimitingChemical engineeringChemical physicsChemistryElectrodeThermodynamicsComposite materialPhysical chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

We present a continuum single pore model of oxygen reduction in ionomer-free, ultrathin catalyst layers (UTCLs) of PEFCs. We postulate that protons are transported into water-flooded pores through their electrostatic interaction with the metal surface charge density. The previously developed steady state variant of the model showed the potential of zero charge of the metal phase to be a crucial parameter determining the electrocatalytic performance of the UTCL. In the present work, we outline equivalent circuit representations for the impedance response in various limiting cases. In contrast to the response of electrolyte-filled pores, all circuit elements are highly dependent on applied potential. We discuss the capabilities of the model to determine the kinetic, electrostatic, and transport contributions to the overall Faradaic current density, and metal|solution interfacial parameters of UTCL materials.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,362

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 savante0,0000,000
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 Opus0,024
Tête enseignante GPT0,186
Écart entre enseignants0,162 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetFuel Cells and Related MaterialsTravaux en français237 207