MétaCan
Menu
Retour à la cohorte
Enregistrement W2508272326 · doi:10.1021/acs.jpcc.5b06197

Dynamic Percolation and Droplet Growth Behavior in Porous Electrodes of Polymer Electrolyte Fuel Cells

2015· article· en· W2508272326 sur OpenAlexafffund
Charles P Quesnel, Ren Cao, Jorge Lehr, Anne‐Marie Kietzig, Adam Z. Weber, Jeff T. Gostick

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensMcGill University
Organismes subventionnairesFuel Cell Technologies ProgramNatural Sciences and Engineering Research Council of Canada
Mots-clésMicroporous materialElectrolytePercolation (cognitive psychology)Materials scienceGaseous diffusionAgglomeratePolymerDiffusionPorosityElectrodeChemistryComposite materialThermodynamics

Résumé

récupéré en direct d'OpenAlex

The percolating flow of liquid water in the gas-diffusion layer (GDL) of polymer electrolyte fuel cells (PEFCs) was studied ex situ using a simple water-injection experiment. Water was injected into the top of the sample so the droplet was free to detach from the bottom, allowing for uninterrupted study of the dynamic cycle of droplet appearance, growth, and detachment. Although droplets emerged from a single point on the GDL, the measured pressure response in the water phase was clearly not equivalent to a single needle. The behavior of the system was explained by the simultaneous filling and inflating of many menisci, resulting in extended periods with no droplet activity at the GDL surface, followed by the sudden eruption of a droplet at the breakthrough site as all interfaces deflated and their stored water was directed toward the droplet. A simple numerical model was presented that could qualitatively explain the observed behavior. Tests were performed on GDLs, with and without microporous layers (MPLs), and all observed behavior could be interpreted in terms of the proposed model. MPLs shifted the behavior to a more needlelike behavior which was consistent with the MPL reducing the number of invading liquid clusters in the system.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
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 Opus0,004
Tête enseignante GPT0,195
Écart entre enseignants0,192 · 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

Citations32
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetFuel Cells and Related MaterialsTravaux en français237 207