Enhanced oxygen reduction kinetics by a porous heterostructured cathode for intermediate temperature solid oxide fuel cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A novel porous heterostructured Nd0.8Sr1.2CoO4±δ/Nd0.5Sr0.5CoO3-δ (NSC214/113) cathode for intermediate temperature solid oxide fuel cells (IT-SOFCs) is developed to significantly enhance oxygen reduction reaction (ORR) kinetics. Compared to single-phase materials, the fabricated porous heterostructured NSC214/113 shows optimized electrochemical properties, including a better conductivity, 20 times faster surface oxygen exchange kinetics, and a comparatively lower area-specific resistance (0.065 Ω cm2 at 800 °C). The single cell with Ni-YSZ|YSZ-GDC|NSC214/113 configuration exhibits a high peak power density of 1.10 W cm−2 at 800 °C, superior to other cells reported in literature with similar heterostructured cathodes. Moreover, the underlying mechanism of the ORR performance enhancement is further investigated, revealing that the formation of heterojunction can lead to a narrowed energy bandgap and a decrease of Co oxidation state, which further induce better conductivity, more available electrons and oxygen vacancies to enhance the ORR process. Taken together, our research also provides new insights into potential application of artificial intelligence (AI) method involved in materials intelligent identification, cell state estimation, system diagnostic and optimization. The revolutionary force of AI, especially in the field of new electrode material development is now advancing in its full swing. More and greater breakthroughs are still expected.
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.
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 | 0,000 |
| 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 découle