Understanding the hydrogen storage behavior of promising Al–Mg–Na compositions using thermodynamic modeling
Notice bibliographique
Résumé
Thermodynamic modeling of the Al–Mg–Na–H system is performed in this work to understand the phase relationships and reaction mechanisms in this system. The Al–Na system is reassessed using the modified quasichemical model for the liquid phase. All the terminal solid solutions were remodeled using the compound energy formalism. The thermodynamic properties of the ternary systems are estimated from the models of the binary systems and the ternary compound using the CALPHAD method. The reaction pathways for the systems MgH 2 /AlH 3 , MgH 2 /NaAlH 4 , and MgH 2 /Na 3 AlH 6 are calculated and compared to the experimental data from the literature. Details about the reaction mechanisms and temperatures, the amount of the products, and their composition are revealed and discussed in this work. The calculations show that in the composites MgH 2 /NaAlH 4 and MgH 2 /Na 3 AlH 6 , the components spontaneously destabilize mutually in specific relative amounts by forming NaMgH 3 , which may play only a catalytic role on the decomposition of (MgH 2 + Al) mixture, NaAlH 4 , or Na 3 AlH 6 . Also, Al destabilizes MgH 2 and NaMgH 3 by forming β phase and reducing the decomposition temperatures of these hydrides by more than 50 °C. The constructed database is successfully used to reproduce the pressure–composition isotherms (PCIs) for Mg-10 at% Al and Mg-4 at% Al alloys at 350 °C. The results provide a better understanding of the reaction mechanisms in the PCIs found in the literature concerning the number of plateau pressures and their sloping. It is shown that the first plateau pressure observed during the PCIs of Al–Mg alloys depends on Al content and is higher than that of pure Mg. This difference is due to Al solubility in hcp-Mg.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».