Effect of nanowire conductive transfer on the performance of batch‐microbial fuel cells
Notice bibliographique
Résumé
Microbial fuel cells (MFCs) are a promising technology that uses microorganisms to simultaneously generate bioelectricity while treating wastewater. To further improve the performance of the MFC, it is essential to understand and evaluate the electron transfer mechanism. However, redesigning the electron transfer mechanism of MFCs through an experimental approach is costly and time-consuming. Hence, in this study, a numerical modeling approach is implemented through the Nernst-Monod kinetic equation, which is validated by experimental results. A nanowire conductive transferring pathway is considered between the microorganisms and anode electrodes of a batch-type MFC. Moreover, two types of bacteria are utilized such as the Shewanella oneidensis MR-1 and Shewanella putrefacient with substrate concentrations of 0.5 M sodium lactate. The results have shown that the limiting current density of the MFC from the computational model is 1514 mA m−2. On the other hand, the current density from the experimental approach for Shewanella oneidensis MR-1 is 497 mA m−2 while for Shewanella putrefacient is 140 mA m−2. The anode activation loss of 491 Ω is lower than the cathode activation loss of 643 Ω, which indicates the relative influence of the cathode activation loss on the bioelectricity generation of the MFC. In addition, the results revealed that the nanowire electron transfer mechanism in the anode biofilm was less affected by the concentration losses. This then indicates that the physical mechanism of the nanowire electron transfer can be effectively used to investigate the batch-type MFCs. In turn, the results of this study will contribute to the development of an improved MFC.
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 | 0,001 | 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) | 0,002 | 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 ».