MétaCan
Menu
Retour à la cohorte
Enregistrement W4210321824 · doi:10.1021/acsenergylett.1c02522

Continuum Model to Define the Chemistry and Mass Transfer in a Bicarbonate Electrolyzer

2022· article· en· W4210321824 sur OpenAlexafffund
Eric W. Lees, Justin C. Bui, Datong Song, Adam Z. Weber, Curtis P. Berlinguette

Notice bibliographique

RevueACS Energy Letters · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensNational Research Council CanadaCanadian Institute for Advanced ResearchUniversity of British Columbia
Organismes subventionnairesBasic Energy SciencesNational Research Council CanadaNatural Sciences and Engineering Research Council of CanadaTotalU.S. Department of EnergyKillam TrustsOffice of ScienceCanada First Research Excellence FundCanada Research ChairsCanadian Institute for Advanced ResearchNational Science Foundation
Mots-clésBicarbonateMass transferElectrolysisElectrochemistryChemistryCatalysisCathodeChemical engineeringHydrogen productionMembraneHydrogenInorganic chemistryElectrodeChromatographyOrganic chemistryPhysical chemistryElectrolyte

Résumé

récupéré en direct d'OpenAlex

Bicarbonate electrolyzers are devices designed to convert CO 2 captured from point sources or the atmosphere into chemicals and fuels without needing to first isolate pure CO 2 gas. We report here an experimentally validated model that quantifies the reaction chemistry and mass transfer processes within the catalyst layer and cation exchange membrane layer of a bicarbonate electrolyzer. Our results demonstrate that two distinct chemical microenvironments are key to forming CO at high rates: an acidic membrane layer that promotes in situ CO 2 formation and a basic catalyst layer that suppresses the hydrogen evolution reaction. We show that the rate of CO product formation can be increased by modulating the catalyst and membrane layer properties to increase the rate of in situ CO 2 generation and transport to the cathode. These insights serve to inform the design of bicarbonate and BPM-based CO 2 electrolyzers while demonstrating the value of modeling for resolving rate-determining processes in electrochemical systems.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,007
Tête enseignante GPT0,196
Écart entre enseignants0,189 · 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'étudeSimulation ou modélisation
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

Citations96
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Energy LettersMême sujetAdvanced battery technologies researchTravaux en français237 207