Optimizing Porous Transport Layer Design Parameters via Stochastic Pore Network Modelling: Reactant Transport and Interfacial Contact Considerations
Notice bibliographique
Résumé
In this work, we designed sintered titanium powder-based porous transport layers (PTLs) for polymer electrolyte membrane (PEM) electrolyzers by tailoring the powder diameter and porosity via a new approach. We examined how the PTL powder diameter and porosity influence reactant transport and PTL-catalyst layer (CL) interfacial contact by using a stochastic generation model combined with a pore network model. We enhanced reactant transport by increasing powder diameter and porosity, as shown through increases in single- and two-phase permeabilities of liquid water. Compared to the impact of increasing the powder diameter, increasing the PTL porosity dominated the impact on permeability of liquid water. However, we observed a trade-off to the benefits of increasing the powder diameter such that larger powders led to a higher surface roughness at the PTL-CL interface. From this work, we recommend that the PTL powder diameter and porosity must be strategically selected for the desired target operating conditions of the PEM electrolyzer. We recommend a PTL with d P = 25 μ m and ε = 26.5% for an electrolyzer cell operating at non-starvation conditions, and a PTL with d P = 25 μ m and ε = 40.5% for an electrolyzer cell operating at starvation conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».