MétaCan
Menu
← Retour à la cohorte
Enregistrement W2890116869 · doi:10.1149/08613.0051ecst

Microstructural Analysis of Electrode Performance in Fuel Cells at Varying Water Contents

2018· article· en· W2890116869 sur OpenAlexaff
Mayank Sabharwal, Marc Secanell

Notice bibliographique

RevueECS Transactions · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésElectrodeFuel cellsMaterials scienceEnvironmental scienceChemical engineeringComposite materialChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

A novel nucleation based water intrusion algorithm is used to simulate liquid water accumulation in a catalyst layer (CL) microstructure. The algorithm is based on a clustered full morphology model that tracks the liquid water propagation in the CL. A numerical electrode model capable of simulating proton conduction in the ionomer and oxygen transport in the ionomer, gas filled pores and liquid filled pores along with electrochemical reaction at the ionomer-solid interface is used to simulate the electrochemical reactions in the partially saturated CLs at different saturations obtained from the water intrusion algorithm. Simulations on a representative elementary volume of a CL show that the local saturation does not have a significant effect on the current density due to small diffusion length. Analysis of electrochemical performance on a full, 1.8 μm, through-plane cross-section of the CL shows that liquid water accumulation results in mass transport losses of nearly 12% at a saturation of 59.7% even at low volumetric current densities of 4599 A/cm 3 . The results from the current simulations indicate that a representative elementary volume analysis of the electrochemical performance of the CL at different saturations might not provide insight into the pore-scale electrochemical reactions and full CL simulations might be needed to describe the effects of local flooding in the CL.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,188
Écart entre enseignants0,181 · 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'étudeObservationnel
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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