Toughened Membrane/Catalyst Layer Interface with Mechanical Nano-Fastener for Hydrocarbon Membrane Based Polymer Electrolyte Membrane Fuel Cell
Notice bibliographique
Résumé
Polymer electrolyte fuel cells (PEMFCs) have been spotlighted as one of the promising eco-friendly energy technologies for stationary and automotive applications owing to zero CO2 emission, high energy density and moderate operation conditions. In this technology sector, polymer electrolyte membrane, one of the key components of PEMFC, has been intensely studied for several decades. Conventionally,perfluorinated sulfonic acid (PFSA) membranes like Nafion are used due to their high proton conductivity and mechanical stability. However, their high cost has been pointed out as a significant drawback interrupting mass commercialization of fuel cell electric vehicle. In this regard, hydrocarbon (HC) membranes, as cheaper alternatives, have been intensively studied in replacing PFSA membrane. However, until now, the challenge in adopting cost-effective HC membrane for PEMFCs has been the poor interfacial adhesion between catalyst layers (CLs) and HC membrane, which causes the membrane to delaminate easily, losing efficiency with use. Here, we present scalable mechanical nano-faster featured by three-dimensional interlocked interfacial structure between HC membrane and PFSA-based CL as a novel strategy to tackle the interfacial issue. It is realized by forming nano-porous skins on the both side of HC membrane and successively fiiling the pores with PFSA ionomer with scalable wet coating methods. The interlocking interface tightly binds the HC membrane and CL owing to its highly-interlocked ball and socket joint structure. The interfacial adhesion is dramatically enhanced by 37-fold with the nano-fastener. The membrane electrode assembly (MEA) with the three-dimensional interlocking interface exhibits 17 times higher durability than that with flat interface, paving a way to realize highly robust and cost-effective HC membrane-based PEMFCs for automotive use.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».