MétaCan
Menu
Retour à la cohorte
Enregistrement W2981501859 · doi:10.1149/2.0251915jes

Determination of PEFC Gas Diffusion Layer and Catalyst Layer Porosity Utilizing Archimedes Principle

2019· article· en· W2981501859 sur OpenAlexafffund
Shantanu Shukla, Fei Wei, Manas Mandal, Jie Zhou, Madhu Sudan Saha, Jürgen Stumper, Marc Secanell

Notice bibliographique

RevueJournal of The Electrochemical Society · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensAutomotive Fuel Cell Cooperation (Canada)University of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPorosityMaterials scienceWettingPorosimetryThermal diffusivityGaseous diffusionComposite materialPorous mediumDiffusionElectrolyteScanning electron microscopeChemical engineeringChemistryThermodynamicsFuel cellsElectrode

Résumé

récupéré en direct d'OpenAlex

Porous media transport properties, such as permeability and diffusivity, are proportional to the porosity of the sample, thereby making the ability to quickly estimate porosity of paramount importance. A simple and inexpensive setup, free of hazardous chemicals, is proposed to measure the total porosity and thickness of polymer electrolyte fuel cell (PEFC) diffusion media. The experimental setup is based on Archimedes' principle. It uses a combination of a wetting (n-octane or IPA) and a non-wetting (water) fluid to estimate both the solid and bulk sample volumes of the porous media, and then these values are used to estimate the porosity. The results from the proposed setup were validated using mercury intrusion porosimetry, scanning electron microscopy imaging, and compressive thickness measurements for a range of commercial gas diffusion layer and in-house fabricated catalyst layer samples. The values for porosity and thickness from the setup were in reasonable agreement with those obtained by the other methods.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,216
Écart entre enseignants0,209 · 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

Citations31
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

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