MétaCan
Menu
Retour à la cohorte
Enregistrement W4229928569 · doi:10.1149/09707.0615ecst

Modeling Gas Diffusion Layers in Polymer Electrolyte Fuel Cells Using a Continuum-Based Pore-Network Formulation

2020· article· en· W4229928569 sur OpenAlexaff
Pablo A. García‐Salaberri, Iryna V. Zenyuk, Jeff T. Gostick, Adam Z. Weber

Notice bibliographique

RevueECS Transactions · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesLawrence Berkeley National LaboratoryUniversidad Carlos III de Madrid
Mots-clésGaseous diffusionMaterials scienceElectrolyteThermal diffusivityPermeability (electromagnetism)Work (physics)Porous mediumMechanicsParallelepipedDiffusionPorosityConvectionAnisotropyFuel cellsChemical engineeringThermodynamicsComposite materialChemistryElectrodeMembranePhysicsEngineeringGeometry

Résumé

récupéré en direct d'OpenAlex

Multiscale modeling of porous media in polymer electrolyte fuel cells is of paramount importance to improve predictions and assist the design of new materials. In this work, a composite-continuum-network formulation is presented to model species diffusion and convection in gas diffusion layers (GDLs). The model can be incorporated into CFD codes with moderate computational cost. The macroscopic model is based on a structured mesh composed of parallelepiped control volumes (CVs) and differential connectors (with negligible volume). The CV mesh embeds an internal structured pore network, which is used to determine analytically local anisotropic effective transport properties (effective diffusivity and permeability). The global structural parameters and effective transport properties predicted by the model are in good agreement with previous experimental data. Moreover, the results show that heterogeneities in the GDL can have significant influence on the fluxes from/to the catalyst layer, thus affecting local degradation rates.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil0,668

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 Opus0,012
Tête enseignante GPT0,194
Écart entre enseignants0,181 · 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'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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetFuel Cells and Related MaterialsTravaux en français237 207