Constructing Robust and Efficient Ceramic Cells Air Electrodes Through Collaborative Optimization Bulk and Surface Phases
Notice bibliographique
Résumé
Abstract Slow reaction kinetics of air electrodes is a common problem faced by low‐temperature (<650 °C) oxygen‐ion conducting solid oxide fuel cells (O‐SOFCs) and proton‐conducting reversible proton ceramic cells (R‐PCCs). Here, an innovative approach is proposed to design and prepare two efficient and durable Ba0.5Sr0.5Co0.8Fe0.2O3−δ (BSCF)‐based nanocomposites through self‐reconstruction strategy, which aim to optimize both the bulk and surface properties of electrode materials simultaneously. Specifically, the two nanocomposites with a nominal composition of Ba0.4Sr0.5Cs0.1Co0.7Fe0.2M0.1O3−δ (M═Ni, Zr) consisted of the major perovskite phase and surface‐enriched NiO and BaZrO3 minor phases. When Ba0.4Sr0.5Cs0.1Co0.7Fe0.2Ni0.1O3−δ (BSCsCFNi) is used as an air electrode in O‐SOFCs, the peak power density is 1.36 W cm−2 at 650 °C; while Ba0.4Sr0.5Cs0.1Co0.7Fe0.2Zr0.1O3−δ (BSCsCFZr) is used in R‐PCCs, a peak power density of 1.24 W cm−2 and a current density of −1.98 A cm−2 (1.3 V) are achieved at 650 °C, and exhibits stable reversibility over 100 h. Theoretical calculations and experiments indicate that Cs+ doping enhances the bulk conduction of oxygen ions and protons; NiO nanoparticles enhance oxygen adsorption and surface exchange; BaZrO3 nanoparticles increase steam adsorption and hydration capacity. This study provides a new idea for designing efficient and durable air electrodes of ceramic cells.
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 | 0,001 | 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) | 0,000 | 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 ».