MétaCan
Menu
← Retour à la cohorte
Enregistrement W2340154505 · doi:10.1149/ma2016-01/1/104

Modelling of Proton Density Distribution in Active Nanopores of Fuel Cell Catalyst Layers

2016· article· en· W2340154505 sur OpenAlexaff
Tasleem Ahmad Muzaffar, Michael Eikerling

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésIonomerProton exchange membrane fuel cellMaterials scienceProtonElectrolytePorosityCharge densityDensity functional theoryChemical engineeringCatalysisChemical physicsComposite materialNanotechnologyChemistryPolymerElectrodePhysical chemistryComputational chemistryPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Proton density and mobility in porous electrodes determine the proton conductivity as well as the rates of interfacial electrochemical processes. In the case of polymer electrolyte fuel cells (PEFCs), the foremost practical objective is to design porous electrodes or catalyst layers with high performance at markedly reduced platinum loading. Achieving this objective demands an understanding of the impact of composition and porous structure as well as surface structure and charging properties of pore walls on the proton density distribution 1 . In the presented work, we consider simple pore geometries to study the concerted effects of ionomer structure and metal charging properties on proton density in nanopores. The approach employs Poisson-Nernst-Planck theory 2, 3 . The basic model system is a cylindrical pore confined by an ionomer shell. The core to consist of a solid metal rod and the gap space between the core and the ionomer shell is filled with water. The set of ordinary differential equations for proton density and reaction in these model structures is formulated and solved. Solutions are analysed by comparing potential and proton density distributions for varying pore geometries and charging properties at interfaces. The effectiveness factor of catalyst utilization is calculated to evaluate the electrocatalytic performance at the pore level 4, 5 . References [1] A.Weber et al., J. Electrochem. Soc. 161(12), (2014), F1254-F1299 [2] R.Coalson and M.Kurnikova, Biological membrane Ion channels, Chap 13, Springer, NewYork (2001) [3] K.Chan and M.Eikerling, J. Electrochem. Soc. 158(1), (2011), B18-B28. [4] K.Chan and M.Eikerling, J. Electrochem. Soc. 159(2), (2012), B155-B164 [5] A.Bonnefont, F.Argoul, and M.Z.Bazant, J. Electroanal. Chem., 500, 52, (2011

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,193
Écart entre enseignants0,182 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetFuel Cells and Related Materials→Travaux en français237 207→