MétaCan
Menu
Retour à la cohorte
Enregistrement W2970808437 · doi:10.1615/thmt-18.60

Some Heat and Mass Transfer Problems in Fuel Cells and Hydrogen Systems

2018· article· en· W2970808437 sur OpenAlexaff
Ned Djilali

Notice bibliographique

RevueProceeding of THMT-18. Turbulence Heat and Mass Transfer 9 Proceedings of the Ninth International Symposium On Turbulence Heat and Mass Transfer · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and Detonation Processes
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMultiphysicsHydrogen fuelMass transferProcess engineeringEnvironmental scienceRegenerative fuel cellHeat transferEnergy transformationBuoyancyTransport phenomenaChemical energyFuel cellsNuclear engineeringMaterials scienceMechanicsEngineeringThermodynamicsPhysicsChemical engineeringFinite element method

Résumé

récupéré en direct d'OpenAlex

Hydrogen and fuel cell systems have been the focus of sustained research to provide a pathway to decarbonize the energy system. Fuel cell technology involves a range of materials and transport processes that allow direct and high efficiency conversion of chemical energy to electricity. Heat and mass transport processes play a critical role in all operating aspects and in every component of a fuel cell and span from multiphysics transport in nanostructured electrodes, to turbulent flow in manifolds. The distribution and storage of compressed hydrogen−the fuel of choice for fuel cells−present a number of interesting turbulent mass transfer problems involving buoyancy effects and a variety of venting/leak geometriesand environmental conditions such as cross winds. Understanding of turbulent mixing under various scenarios is critical to the formulation of safety standards. This paper provides an overview of some of the experimental and modelling challenges and progress related to this rich array of heat and mass transport problems.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,219
Écart entre enseignants0,206 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceeding of THMT-18. Turbulence Heat and Mass Transfer 9 Proceedings of the Ninth International Symposium On Turbulence Heat and Mass TransferMême sujetCombustion and Detonation ProcessesTravaux en français237 207