Nanoscale in-Situ Characterization of Polymer Electrolyte Membrane Fuel Cell Catalyst Layers for Improved Water Management
Notice bibliographique
Résumé
Polymer electrolyte membrane fuel cells (PEMFCs) facilitate a sustainable energy infrastructure by offering emission-free electricity generation using renewably sourced hydrogen gas. The electrochemical reactions in a fuel cell occur at platinum-loaded catalyst layers (CLs), which are susceptible to degradation. Obstructing catalyst sites (triple phase boundaries1) with reaction by-products, such as water2,3, is the primary degradation mechanism in PEMFCs. Although various CL designs have been tested for improved electrochemical performance, in situ nanoscale visualization of platinum degradation and water accumulation in the CL at controlled temperature and relative humidity (RH) values are required to understand fundamental water mechanics through platinum and carbon nanostructures. In this work, we employed scanning transmission X-ray microscopy (STXM) and X-ray absorption fine structure spectroscopy (XANES) to evaluate the effect of temperature on pristine and broken-in fuel cell CLs. We developed a novel CL in-situ sample cell to enable nanostructured characterization of catalyst layers using STXM in a controlled temperature environment. Carbon 1s, Fluorine 1s, and Oxygen 1s spectral edges were probed utilizing near-edge X-ray absorption fine structure spectroscopy (NEXAFS) to reveal chemical degradation mechanisms and differentiate material structure. Through our custom in-situ cell, we demonstrate that the chemical composition and water accumulation throughout the PEMFC CLs at low, intermediate, and high operating temperatures (25°C, 40°C, and 60°C, respectively) can be quantified, along with thermal expansion analyses of the CL and ionomer membrane. Moreover, we reveal realistic structural and chemical characteristics of nanoscale catalysts by distinguishing regions of Nafion® Ionomer, catalyst carbon support, and platinum throughout the PEMFC’s membrane electrode assembly at industrially relevant fuel cell temperatures. The insights from this work will inform strategies to mitigate water flooding from a nanoscale perspective in addition to the novel in-situ spectromicroscopy characterization of current CL features. 1. Fouzaï, I., Gentil, S., Bassetto, V. C., Silva, W. O., Maher, R., & Girault, H. H. (2021). 9(18), 11096-11123. 2. Li, H., Tang, Y., Wang, Z., Shi, Z., Wu, S., Song, D., ... & Mazza, A. (2008). 178(1), 103-117. 3. Kumsa, D. W., Bhadra, N., Hudak, E. M., Kelley, S. C., Untereker, D. F., & Mortimer, J. T. (2016). 13(5), 052001.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».