MétaCan
Menu
Retour à la cohorte
Enregistrement W3111290452 · doi:10.1021/acs.iecr.0c04711

From CO<sub>2</sub> to Formic Acid Fuel Cells

2020· article· en· W3111290452 sur OpenAlexafffund
Zhenni Ma, Ulrich Legrand, Ergys Pahija, Jason R. Tavares, Daria C. Boffito

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2020
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCarbon dioxide utilization in catalysis
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésFormic acidProton exchange membrane fuel cellFuel cellsEnergy storageChemistryProcess engineeringEnvironmental scienceChemical engineeringPower (physics)EngineeringOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Formic acid is a liquid, safe, and energy-dense carrier for fuel cells. Above all, it can be sustainably produced from the electroreduction of CO 2 . The formic acid market is currently saturated, and it requires alternative applications to justify additional production capacity. Fuel cell technologies offer a chance to expand it, while creating an opportunity for sustainability in the energy sector. Formic acid-based fuel cells represent a promising energy supply system in terms of high theoretical open-circuit voltage (1.48 V). Compared to common fuel cells running on H 2 (e.g., proton-exchange membrane fuel cells), formic acid has a lower storage cost and is safer. This review focuses on the sustainable production of formic acid from CO 2 and on the detailed analysis of commercial examples of formic acid-based fuel cells, in particular direct formic acid fuel cell stacks. Designs described in the literature are mostly at the laboratory scale, still, with 301 W as the maximum power output achieved. These case studies are fundamental for the scale-up; however, additional efforts are required to solve crossover and increase performance.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,076
Tête enseignante GPT0,308
Écart entre enseignants0,232 · 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

Citations138
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetCarbon dioxide utilization in catalysisTravaux en français237 207