Pore Network Modelling of Capillary Transport and Relative Diffusivity in Gas Diffusion Layers with Patterned Wettability
Notice bibliographique
Résumé
Engineering the wettability and microstructure of gas diffusion layers offers a powerful strategy to optimize water management in polymer electrolyte fuel cells. To this goal, we recently developed a radiation grafting technique to synthesize GDLs with patterned wettability. Despite the promise of this approach, current designs are empirically-driven which hampers the development of advanced wettability patterns. To design materials with improved transport characteristics over a range of water saturations, physically representative models can be employed for the bottom-up design of gas diffusion layers with local variations in hydrophilicity. In this paper, pore network models using topology and size information extracted from high resolution tomographic images of three common gas diffusion layer materials are presented with patterned wettability. We study the influence of the substrate microstructure, the hydrophobic coating load, and the hydrophilic pattern width. It is shown that tuning the wettability leads to enhanced phase separation and increased diffusive transport which is attributed to decreased gas phase tortuosity. The network model elaborates on previous experimental studies, shedding light on the effectiveness of the radiation pattern transference and the importance of matching the masking pattern with the substrate microstructure. The work opens the door for exploration of advanced patterns, coupled with flow from gas flow field designs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».