MétaCan
Menu
← Retour à la cohorte
Enregistrement W2893385343 · doi:10.6000/1929-6002.2018.07.01

Carbon Black and Multi-Walled Carbon Nanotube Supported Cobalt for Anion Exchange Membrane Fuel Cell

2018· article· en· W2893385343 sur OpenAlexvenueno aff
Van Men Truong, Chih-Wei Yang, Hsiharng Yang

Notice bibliographique

RevueJournal of Technology Innovations in Renewable Energy · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Technology, Taiwan
Mots-clésCobaltCarbon nanotubeCarbon blackIon exchangeFuel cellsCarbon fibersMaterials scienceIonChemical engineeringMembraneInorganic chemistryNanotechnologyChemistryComposite materialEngineeringOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Carbon black (CB) and multi-wall carbon nanotube (MWCNTs) supported cobalt, namely, CoPc/CB and CoPc/MWCNTs, respectively, with different metal loads was synthesized and used as the cathode catalyst for anion exchange membrane fuel cells. The prepared catalysts were characterized using X-ray diffraction and scanning electron microscopy. The surface morphology analysis revealed heterogeneous cobalt distribution on the carbon support. Cyclic Voltammetry was also studied to investigate the best combination ratio. The results indicated that the electrochemically largest active surface area was observed when 30 and 40 wt% cobalt was combined with 70 wt% CB and 60 wt% MWCNTs, respectively. The anion exchange membrane fuel cell performance showed that both cathode catalysts exhibited the highest peak power density at 40 wt%t. Co load. The peak power density of 55 mW/cm2 at 0.4 volts was obtained using CoPc/CB. Meanwhile, the promising catalyst CoPc/MWCNTs only produced 35mW/cm2, which did not meet the expectation. According to some references, the alkaline fuel cell performance might be bothered by the acid residues, sulfates and nitrates produced by the MWCNT purification process.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,010
Tête enseignante GPT0,220
Écart entre enseignants0,210 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Technology Innovations in Renewable Energy→Même sujetFuel Cells and Related Materials→Travaux en français237 207→