MétaCan
Menu
Retour à la cohorte
Enregistrement W2399240550 · doi:10.1149/ma2014-02/21/1241

Invited: Advanced Solid-State NMR Spectroscopy Studies for Improved Performance in PEM-FCs

2014· article· en· W2399240550 sur OpenAlexaff
Adam R. MacIntosh, Blossom Zhejia Yan, Kris J. Harris, Gillian R. Goward

Notice bibliographique

RevueECS Meeting Abstracts · 2014
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésNafionMaterials scienceProton exchange membrane fuel cellMembraneConductivityMembrane electrode assemblyChemical engineeringIonomerIonic conductivityGrapheneOxideNanotechnologyPolymerElectrodeComposite materialChemistryElectrochemistryElectrolyteCopolymer

Résumé

récupéré en direct d'OpenAlex

The membrane electrode assembly (MEA) installed in proton exchange membrane fuel cells (PEM-FCs) is critical to the power density and lifetime of these devices. Catalyst-coated membranes (CCMs), essential components of state-of-the-art MEA designs, provide an optimal structure for catalyst function, a wide range of operational temperatures, and optimal electronic performance.1 Furthermore, efforts have been made to increase the ionic conductivity and mechanical performance of these membranes through composition with various solid acids.2 , 3Unfortunately, due to the complexity of PEM-FC devices, there are several operational challenges to overcome, including catalyst poisoning, low proton conductivity at ambient humidities, and ionomer or membrane degradation. This work aims, in part, to investigate the incorporation of functionalized graphene oxide (GO) into PEM-FCs. The membrane within these devices is most commonly made of Nafion®, a proprietary fluoropolymer, due to its high ionic conductivity and chemical stability. However, the material is expensive and not ideal for every fuel cell application. GO, a derivative of the super-material graphene, has intrinsic proton conductivity which is comparable to Nafion®. This makes GO and GO/composite membranes viable candidates for use in PEM-FCs.4-6Little work has been published on structural relationships or the mechanisms of ion conductivity within these composite materials. To date, novel functionalized GO samples have been reliably synthesized. Sulfonic acid groups have been chemically grafted onto GO sheets, connected by organic linker groups of varying length and rigidity. These materials have been studied using various 1H and 13C solid state NMR techniques. 13C NMR spectra show clearly the functional group modification of GO samples after the grafting of alkylsulfonic acid groups. Dehydration of these samples allows the collection of 1H spectra with resolved acid proton / water peaks, despite the rapid exchange between these two proton populations. This lecture will describe current results in studying the synthesis and modification of sulfonated GO samples, as well as the proton dynamics and electrochemical performance in polymer electrolyte membranes either composed of or infused with functionalized GO. Additionally, 1H Double Quantum NMR is a well-established probe of local dynamics.7 Here for the first time, we extend this concept to characterize the fluorinated ionomer backbone. 19F double quantum SSNMR methods are applied to industrially-relevant ionomer materials to quantify and compare local dynamics of the ionomer side chains and backbones. 19F Double Quantum Filtered NMR experiments have been performed to investigate proton dynamics as well as local dynamics of perfluorinated polymer backbone and side chains. It has been shown that the backbone 19F has a steeper dipolar coupling build-up curve compared to the side chain, indicating a noticeable difference in rigidity. Future studies on the effect of relative humidity on 19F dynamics will provide a measure of the trends in local mobility at the molecular level, distinguishing side-chain from backbone contributions. References: 1) Bessarabov, D.; Hitchcock, A. Membrane Technology 2009, 12, 6-12. 2) Yan, Z. B.; De Almeida, N. E.; Traer, J. W.; Goward, G. R. Phys. Chem. Chem. Phys. 2013, 15(41) 17983-17992. 3) Lee, Y. J.; Bingöl, B.; Murakhtina, T.; Sebastiani, D.; Meyer, W. H.; Wegner, G.; Spiess, H. W. J. Phys. Chem. B 2007, 111(33) 9711-9721. 4) Kumar, R.; Scott, K. Chem. Commun. 2012, 48(45) 5584-5586. 5) Tseng, C. Y.; Ye, Y. S.; Cheng, M. Y.; Kao, K. Y.; Shen, W. C.; Rick, J.; Chen, J. C.; Hwang, B. J. Adv. Energy Mater. 2011, 1(6) 1220-1224. 6) Zarrin, H.; Higgins, D.; Jun, Y.; Chen, Z.; Fowler, M. J. Phys. Chem. C 2011, 115(42) 20774-20781. 7) Ghassemzadeh, L.; Kreuer, K.; Maier, J.; Müller, K. J. Power Sources 2011, 196 (5) 2490-2497.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0330,014

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 Opus0,018
Tête enseignante GPT0,316
Écart entre enseignants0,298 · 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'étudeExpérimental (laboratoire)
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207