Einfluss von Eisenionen auf die Niedertemperatur CO<sub>2</sub> Elektrolyse
Notice bibliographique
Résumé
Abstract Da die elektrochemische Umwandlung von CO 2 als Schlüsseltechnologie im Kampf gegen den Klimawandel betrachtet wird, werden erhebliche Maßnahmen eingesetzt um ihre Entwicklung zu beschleunigen. Der Vorteil der CO 2 Elektrolyse bei niedrigen Temperaturen im Gegensatz zu Hochtemperatur‐elektrolyseuren liegt in der Möglichkeit zur direkten Umsetzung von CO 2 zu technisch relevanten Chemikalien. Die Niedertemperatur‐CO 2 ‐Elektrolyse ist jedoch nur bei hoher Effizienz und Stabilität wirtschaftlich rentabel. Obwohl die verwendeten Zelldesigns Ähnlichkeiten mit den etablierten Brennstoff‐ oder auch den weiter entwickelten Wasser‐Elektrolyse‐Zellen aufweisen, müssen verschiedene Designaspekte und einzelne Komponenten adaptiert werden. Aufgrund der Komplexität des Gesamtsystems werden in der Entwicklung oftmals nur einzelne Zellkomponenten optimiert, ohne dass etwaige Einflussfaktoren, die im Zusammenspiel mit anderen Bestandteilen auftreten, berücksichtigt werden. Dass eine ganzheitliche Systembetrachtung bei der Optimierung von Niedertemperatur‐CO 2 ‐Elektrolyseuren notwendig ist, zeigt die Betrachtung des Einflusses von Eisenionen auf die Gesamtzelle deutlich, da nur so bspw. Kreuzkontaminierung gemieden werden kann. Da Eisenionen (Fe) als Verunreinigung omnipräsent sind, wurde ihr Einfluss auf einzelne Zellkomponenten schon vielfach untersucht. Die Zugabe von Eisen erhöht die Aktivität von Nichtedelmetallanoden, gleichzeitig aber tritt eine Verschlechterung der Kathodenaktivität ein und der Membranabbau wird katalysiert. Im Folgenden stellen wir anhand bestehender Literatur, die sich meist auf einzelne Komponenten fokussiert, den Einfluss von Fe‐Spezien in der CO 2 Elektrolyse‐Zelle ganzheitlich dar. Hierbei wird ersichtlich, dass das Zusammenspiel zwischen den einzelnen Bestandteilen bei der Zelloptimierung berücksichtigt werden muss.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,007 |
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 ».