MétaCan
Menu
← Retour à la cohorte
Enregistrement W4309813229 · doi:10.1149/ma2022-02421574mtgabs

Effect of Cobalt Cation Concentration on PEMFC Electrode Performance

2022· article· en· W4309813229 sur OpenAlexaboutno aff
ChungHyuk Lee, Xiaohua Wang, Jui kun Peng, Adlai Katzenberg, Rajesh Ahluwalia, Ahmet Kusoglu, Siddharth Komini Babu, Jacob S. Spendelow, Rangachary Mukundan, Rod L. Borup

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProton exchange membrane fuel cellCobaltMaterials scienceMembrane electrode assemblyRenewable energyChemical engineeringFuel cellsChemistryElectrodeElectrolyteEngineeringMetallurgyElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Metal alloy catalysts, such as Pt-Co, reduce the activation energy of oxygen reduction reaction, leading to improved proton exchange membrane fuel cell (PEMFC) performance. However, leaching of non-noble elements contaminates the ionomer and membrane, which has a negative impact on the durability of PEMFCs [1,2]. For the commercial success of metal alloy catalysts, understanding the mechanisms of how cation contamination affects PEMFC performance is crucial. Here, we investigate the effect of cobalt cation contamination effects through intentional doping of decal electrodes. Electrochemical testing results are coupled with membrane conductivity and water uptake measurements, as well as impedance modeling to identify the mechanisms of performance loss. Our results provide a comprehensive understanding of how cation contamination affects performance, which can inform mitigation strategies and new materials development that can enable the use of metal alloy catalysts in PEMFCs. Acknowledgement This work was supported by the Hydrogen and Fuel Cell Technologies Office (HFTO), Office of Energy Efficiency and Renewable Energy, US Department of Energy (DOE) through the Million Mile Fuel Cell Truck (M2FCT) consortia, technology managers G. Kleen and D. Papageorgopoulos. Financial support for this work from the Laboratory Directed Research and Development (LDRD) program at Los Alamos National Laboratory (LANL) is gratefully acknowledged (Projects 2020200DR and 20210915PRD2). ChungHyuk Lee acknowledges the support of the Natural Sciences and Engineering Research Council of Canada (NSERC). References Cai et al., ECS Trans., 69, 1047 (2015) P. Braaten et al., J. Electrochem. Soc., 166, F1337 (2019) Figure 1

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)0,002
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,004
Tête enseignante GPT0,197
Écart entre enseignants0,193 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetFuel Cells and Related Materials→Travaux en français237 207→