MétaCan
Menu
← Retour à la cohorte
Enregistrement W2520892298 · doi:10.1149/ma2016-02/23/1720

(Invited) Electrochemical Impedance Spectroscopy for Polymer Electrolyte Membrane Fuel Cells: Understanding the Relationship Between Liquid Water and Performance

2016· article· en· W2520892298 sur OpenAlexaff
Aimy Bazylak

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProton exchange membrane fuel cellDielectric spectroscopyElectrolyteWater transportMaterials scienceFuel cellsMass transportHydrogen fuelLiquid waterChemical engineeringInefficiencyPolymerProcess engineeringElectrochemistryEnvironmental scienceChemistryBiochemical engineeringEngineeringComposite materialEnvironmental engineeringElectrodeWater flow

Résumé

récupéré en direct d'OpenAlex

The hydrogen polymer electrolyte membrane (PEM) fuel cell provides enormous potential for a future with clean energy. However, due to cost and inefficiency barriers, PEM fuel cells have not yet reached widespread commercial adoption. Mass transport limitations arising from liquid water flooding in the PEM fuel cell leads to inefficiencies. If these issues become resolved, smaller and more reliable devices could be produced at a lower cost. Mass transport limitations can be minimized through the development of optimized materials, which have tailored pore structures, connectivities, conductivities, and surface wettabilities. Currently, the porous materials in PEM fuel cells have not been customized for mass transport, due to the lack of information about their structure and the dominating mass transport mechanisms. In this talk, our use of electrochemical impedance spectroscopy (EIS) techniques for investigating the role of liquid water transport in the PEM fuel cell will be discussed. I will also discuss how we combine our EIS measurements with complementary models and measurements to inform the design of next generation porous materials for advanced performance.

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)0,001
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 enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,010

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 Opus0,020
Tête enseignante GPT0,221
Écart entre enseignants0,201 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

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