MétaCan
Menu
Retour à la cohorte
Enregistrement W4391663277 · doi:10.1149/ma2023-02391880mtgabs

Design of Bipolar Membranes to Increase CO Formation Rates in Bicarbonate Electrolysers at Low Voltage

2023· article· en· W4391663277 sur OpenAlexaff
Aubry S. R. Williams, Benjamin A. W. Mowbray, Xin Lu, Yongwook Kim, Curtis P. Berlinguette

Notice bibliographique

RevueECS Meeting Abstracts · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueCO2 Reduction Techniques and Catalysts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBicarbonateMembraneVoltageMaterials scienceChemistryElectrical engineeringEngineeringOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

The electrolysis of bicarbonate solutions offers a direct route for converting alkaline CO2 capture solutions into value-added products. Alkaline CO2 capture exploits the reaction of CO2 with OH- to form aqueous HCO3-, which can be converted back into CO2 in-situ ( i-CO2) by protons sourced from a bipolar membrane (BPM). Bicarbonate electrolysis is currently too energy intensive to be economically viable, with the largest energy input coming from the voltage drop across the membrane. BPMs are usually thicker than monopolar membranes, causing high Ohmic losses and limited water transport to the water dissociation junction. This causes the membrane to dry out and require excessively high voltages to operate at high current densities. To date, little research has been directed towards designing BPMs for bicarbonate electrolysis. Our work focuses on designing BPMs with low voltage drops while keeping the amount of i-CO2 suppliedto the cathode high. In this study, we present custom-made BPMs that enable bicarbonate electrolysis at a current density of 100 mA cm-2 and a cell voltage < 3 V, with cell voltage remaining < 10 V at current densities in excess of 1 A cm-2. We also demonstrate a correlation between a thicker cation exchange layer and higher i-CO2 generation and elucidate the cause of this phenomenon.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetCO2 Reduction Techniques and CatalystsTravaux en français237 207