Towards Understanding of the Anode Catalyst Layer Structure for Extended Reversal Tolerance: An Advanced Characterization Approach
Notice bibliographique
Résumé
Proton exchange membrane fuel cells for automotive applications (PEMFC) frequently experience transient conditions such as start-up/shut-down, freeze start-up and local fuel starvation at the anode catalyst layer (ACL) that are responsible for the loss of performance and durability as a result of irreversible carbon corrosion [1]. To mitigate such degradation, oxygen evolution catalysts have been incorporated into ACL and studied for effects on membrane electrode assembly (MEA) performance and reversal tolerance. Ru and Ir oxides are among the most studied catalysts for oxygen evolution reaction (OER) in both PEMFCs and water electrolyzers [2-5]. Although comparative measurements have been performed to investigate the OER activity trends, systematic studies focusing on effects of particle/agglomerate size and distribution within ACL on PEMFC MEA reversal tolerance have not yet been reported. In order to be able to design anode catalyst layer structures that meet the performance and reversal tolerance requirements, it is necessary to obtain a better understanding of structure versus performance relationships. This requires the capability to fabricate different anode catalyst layer structures, as well as efforts in development of methodologies to characterize the spatial distribution of all components within the catalyst layers. The ultimate goal is to use the experimentally measured structural parameters as inputs for the development of models for understanding of the relationship between anode structures and reversal tolerance. The objective of this work is to present the methodology for structural characterization of anode catalyst layers containing OER materials. Structural parameters correlating with the extended reversal tolerance will be discussed. References S. Enz, T.A. Dao, M. Messerschmidt and J. Scholta, Investigation of degradation effects in polymer electrolyte fuel cells under automotive-related operating conditions, J. Power Sources, 274 (2015) 521-535 E. Antolini, Ir as catalyst and cocatalyst for oxygen evolution/reduction in acidic polymer electrolyte membrane electrolyzers and fuel cells, ACS Catal. 4 (2014) 1426-1440 T. Reier, M. Oezaslan and P. Strasser, Electrocatalytic oxygen evolution reaction (OER) on Ru, Ir and Pt catalysts: a comparative study of nanoparticles and bulk materials, ACS Catal. 2 (2012) 1765-1772 S. Cherevko, T. Reier, A.R. Zeradjanin, Z. Pavolek, P. Strasser and K.J.J. Mayrhofer, Stability of nanostructure iridium oxide electrocatalysts during oxygen evolution reaction in acidic environment, Electrochem. Commun. 48 (2014) 81-85 M. Bernicke, E. Ortel, T. Reier, A. Bergmann, J.F. de Araujo, P. Strasser and R. Kraerhnet, Iridium oxide coatings with template porosity as highly active oxygen evolution catalysts: structure-activity relationship, ChemSusChem, 8 (2015) 1908-1915
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».