Impacts of Catalyst Ink Composition and Wet Film Thickness on Fuel Cell Catalyst Layers Fabricated by Direct Film Coating Method
Notice bibliographique
Résumé
Utilizing a direct film coating method (DFCM), such as doctor blade coating, offers a promising approach for efficient and scalable catalyst layer (CL) production for fuel cells. To further widen the understanding of lab-scale DFCM, the present research investigates how different Pt-based catalyst ink formulations coated via doctor blade coating with varying blade gap thickness (BGT) affect the CL quality and catalyst loading. In total, 120 CL samples were prepared by coating 20 different catalyst ink formulations with varying solids content, ionomer-to-carbon (I/C) ratio, and water-to-isopropanol solvent ratio with BGTs of 75, 125, and 200 μm. Inspection of these samples showed that the solvent ratio affects the coating uniformity, with the most uniform films achieved with a ratio of 1.67 or greater. Furthermore, increasing the I/C ratio for a given solids content ink formulation decreases the Pt loading, whereas an I/C ratio above or below 1.0 reduces cell performance due to mass transport or proton conductivity impacts, respectively. In addition, a relationship factor and equations are presented to estimate the solid weight and catalyst loading of the fabricated CL based on the ink formulation and BGT. Overall, this work provides important guidance for lab-scale DFCM fabrication of industrially relevant CLs.
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 | 0,001 |
| 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 ».