MétaCan
Menu
Retour à la cohorte
Enregistrement W2746497531 · doi:10.1002/cphc.201700745

Interfacial Water Drives Improved Proton Transport in Siliceous Nanocomposite Nafion Thin Films

2017· article· en· W2746497531 sur OpenAlexaff
Pieter‐Jan Goossens, Brecht Vallaey, Jesse Verlinden, Johan A. Martens, Jan Rongé

Notice bibliographique

RevueChemPhysChem · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensExxonMobil (Canada)
Organismes subventionnairesVlaamse regeringFonds Wetenschappelijk OnderzoekVlaamse Overheid
Mots-clésNafionNanocompositeMaterials scienceChemical engineeringConductivityMembraneProton transportProton exchange membrane fuel cellThin filmElectrolysis of waterWater transportIonomerComposite materialNanotechnologyElectrolysisChemistryElectrochemistryPolymerElectrodeCopolymer

Résumé

récupéré en direct d'OpenAlex

Abstract Nafion proton exchange membranes dehydrate when they are used in the gas phase and in high‐temperature applications, such as fuel cells and (photo)electrolysis. Retaining a high level of membrane hydration under such conditions can be achieved by using inorganic fillers, but has never been demonstrated for thin films. Herein, several types of siliceous nanoparticles were incorporated for the first time into Nafion thin films. For composite Nafion materials, increased water uptake does not always induce increased proton conductivity. Here, increased water uptake did result in higher proton conductivity due to a synergistic effect within the composite film. The nanocomposites displayed a higher water uptake than could be expected based on the water uptake of the individual materials. Excess water present at the Nafion–filler interface was found to cause the proton conductivity of nanocomposite Nafion/Ludox AS‐40 thin films to double compared with pristine Nafion at low relative humidity (from 2 to 4 mS cm −2 ). Knowledge about the properties of such interfaces will allow for the better design of self‐humidifying nanocomposite Nafion membranes, films, and catalyst layers.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,687

Scores Codex et Gemma par catégorie

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 savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,207
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 tête enseignante, 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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemPhysChemMême sujetFuel Cells and Related MaterialsTravaux en français237 207