MétaCan
Menu
Retour à la cohorte
Enregistrement W4379932556 · doi:10.3389/fenrg.2023.1200603

Measuring the through-plane and in-plane oxygen apparent diffusion coefficients in the gas diffusion layer

2023· article· en· W4379932556 sur OpenAlexaff
Keguang Yao, Tiehan Long, Yajun Wang, Xiao‐Zi Yuan, Yao Yao, Haijiang Wang

Notice bibliographique

RevueFrontiers in Energy Research · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésDiffusionOxygenFlux (metallurgy)Plane (geometry)Volumetric flow rateOxygen transportMechanicsTorqueGaseous diffusionChemistryMass fluxLimiting oxygen concentrationMaterials scienceFlow (mathematics)Analytical Chemistry (journal)ThermodynamicsPhysicsGeometryChromatographyMathematics

Résumé

récupéré en direct d'OpenAlex

Accurately predicting oxygen mass transport resistance and current distribution in fuel cells requires significant knowledge of oxygen diffusion coefficients in both in-plane and through-plane directions. However, there are few methods for measuring in-plane oxygen diffusion coefficients, which are important parameters for simulating oxygen flux distribution in gas diffusion layers (GDLs). In this study, we establish measurement methods and calculations for both in-plane and through-plane oxygen diffusion coefficients. Using in-house designed cells, we measure the in-plane and through-plane oxygen apparent diffusion coefficients of a commercial carbon paper (AvCarb EP40) at various torques and gas flow rates. We also simulate oxygen flux distributions in the GDL under each torque and gas flow rate. Our results show that the channel part is the major contributor to total oxygen flux at high torque conditions and that an increase in torque leads to a decrease in the contribution from the land part. Simulation results also suggest that a higher gas flow rate and lower torque contribute to a more uniform distribution of oxygen flux in the GDL.

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)0,001
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 enseignants0,185
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,038
Tête enseignante GPT0,266
Écart entre enseignants0,228 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Energy ResearchMême sujetFuel Cells and Related MaterialsTravaux en français237 207