MétaCan
Menu
Retour à la cohorte
Enregistrement W2978285812 · doi:10.1149/09208.0061ecst

Pore-Scale Liquid Water Visualization for Understanding Water Transport in Operating Fuel Cells

2019· article· en· W2978285812 sur OpenAlexaff
Pranay Shrestha, ChungHyuk Lee, Kieran F. Fahy, Manojkumar Balakrishnan, Nan Ge, Aimy Bazylak

Notice bibliographique

RevueECS Transactions · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWettingWater transportMaterials scienceElectrolyteProton exchange membrane fuel cellChemical engineeringPolymerLiquid waterFuel cellsCathodeChemistryEnvironmental scienceComposite materialEnvironmental engineeringWater flowGeologyElectrodeEngineering

Résumé

récupéré en direct d'OpenAlex

To implement successful water management strategies in polymer electrolyte membrane (PEM) fuel cells, we need to understand how the complex heterogenous nature of the gas diffusion layer (GDL) impacts the pore-scale transport of liquid water. Here, we investigated the 3-D pore-scale liquid water distribution within the cathode GDL via in operando synchrotron X-ray tomography during low current density fuel cell operation to capture the early appearance of liquid water pathways. We found that the invasion of liquid water into the GDL only partially filled certain GDL pores. Liquid water wicked along some GDL fibers, which was attributed to the hydrophilic nature of carbon fiber and the presence of pore-scale mixed wettability within the GDLs. Mixed wettability and partial pore filling should be considered in the pore-scale modeling and design of next-generation GDLs.

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 enseignants0,391
Score d'incertitude au seuil0,939

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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,210
Écart entre enseignants0,198 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetFuel Cells and Related MaterialsTravaux en français237 207