MétaCan
Menu
Retour à la cohorte
Enregistrement W2748694238 · doi:10.1149/2.0861712jes

Multiwall Carbon Nanotube-Based Microporous Layers for Polymer Electrolyte Membrane Fuel Cells

2017· article· en· W2748694238 sur OpenAlexafffund
Jason Keonhag Lee, Rupak Banerjee, Michael G. George, Daniel Muirhead, Pranay Shrestha, H. Liu, Nan Ge, Stéphane Chevalier, Aimy Bazylak

Notice bibliographique

RevueJournal of The Electrochemical Society · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicroporous materialProton exchange membrane fuel cellCarbon nanotubeElectrolyteMaterials scienceChemical engineeringPorosityPolymerWater transportComposite materialChemistryFuel cellsElectrode

Résumé

récupéré en direct d'OpenAlex

The presence of multiwall carbon nanotubes (MWCNTs) corresponded to a dispersion of carbon black particles in the microporous layer (MPL) of the polymer electrolyte membrane (PEM) fuel cell. The gas diffusion layer (GDL) with a MWCNT-based MPL exhibited larger pores and a higher porosity compared to a conventional GDL, and less MPL intrusion into the GDL substrate was observed with the MWCNTs-based MPL. The GDLs were evaluated in operando in a fuel cell that was customized for concurrent liquid water visualization (synchrotron X-ray radiography) and electrochemical characterization. The MWCNT-based fuel cell exhibited higher power densities and lower mass transport resistances compared to the fuel cell with the conventional GDL; however, a higher liquid water saturation was observed for the MWCNT-based GDL. Although the liquid water saturation in the MWCNT-based GDL was higher, its higher effective porosity led to superior performance compared to the conventional fuel cell. The use of the MWCNTs-based MPL resulted in improved oxygen transport in the fuel cell, particularly at high current densities.

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 enseignants0,013
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,005
Tête enseignante GPT0,200
Écart entre enseignants0,194 · 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

Citations52
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetFuel Cells and Related MaterialsTravaux en français237 207