MétaCan
Menu
Retour à la cohorte
Enregistrement W4200379690 · doi:10.1016/j.ijhydene.2021.11.068

Challenges and important considerations when benchmarking single-cell alkaline electrolyzers

2021· article· en· W4200379690 sur OpenAlexaff
Cinar Karacan, Felix Lohmann‐Richters, Gareth P. Keeley, Fabian Scheepers, Meital Shviro, Martin Müller, Marcelo Carmo, Detlef Stolten

Notice bibliographique

RevueInternational Journal of Hydrogen Energy · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensQueen's University
Organismes subventionnairesBundesministerium für Forschung und TechnologieBundesministerium für Bildung und Forschung
Mots-clésOverpotentialAnodePassivationOhmic contactCathodeMaterials scienceOvervoltageBenchmarkingAnnealing (glass)Chemical engineeringElectrolysisAlkaline water electrolysisComputer scienceOptoelectronicsComposite materialChemistryElectrodeVoltageLayer (electronics)Electrical engineeringElectrochemistry

Résumé

récupéré en direct d'OpenAlex

This study outlines an approach to identifying the difficulties associated with the benchmarking of alkaline single cells under real electrolyzer conditions. A challenging task in the testing and comparison of different catalysts is obtaining reliable and meaningful benchmarks for these conditions. Negative effects on reproducibility were observed due to the reduction in conditioning time. On the anode side, a stable passivation layer of NiO can be formed by annealing of the Ni foams, which is even stable during long-term operation. Electrical contact resistance and impedance measurements showed that most of the contact resistance derived from the annealed Ni foam. Additionally, analysis of various overvoltages indicated that most of the total overvoltage comes from the anode and cathode activation overpotential. Different morphologies of the substrate material exhibited an influence on the performance of the alkaline single cell, based on an increase in the ohmic resistance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,104
Score d'incertitude au seuil0,775

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,231
Écart entre enseignants0,214 · 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 tête enseignante, 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

Citations47
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Hydrogen EnergyMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207