MétaCan
Menu
Retour à la cohorte
Enregistrement W4409280223 · doi:10.1002/cssc.202500282

Investigating Bubble Formation and Evolution in Vanadium Redox Flow Batteries via Synchrotron X‐Ray Imaging

2025· article· en· W4409280223 sur OpenAlexaff
Kangjun Duan, Kerstin Köble, Alexey Ershov, Monja Schilling, Alexander Rampf, A. Cecilia, Tomáš Faragó, M. S. Zubér, Tilo Baumbach, Pang‐Chieh Sui, Roswitha Zeis

Notice bibliographique

RevueChemSusChem · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensUniversity of TorontoUniversity of Victoria
Organismes subventionnairesChina Scholarship CouncilDeutsche ForschungsgemeinschaftFonds der Chemischen Industrie
Mots-clésElectrodeBubbleSynchrotronElectrolyteVanadiumChemical physicsLiquid bubbleMaterials scienceRedoxElectrochemistryHydrogenPorosityAnalytical Chemistry (journal)ChemistryNanotechnologyChemical engineeringMetallurgyMechanicsOpticsComposite materialPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The parasitic hydrogen evolution reaction (HER) hinders electrolyte transport. It reduces the effective electrochemical surface area in the negative half-cell of vanadium redox flow batteries (VRFBs), resulting in substantial efficiency losses. This study investigates the formation and evolution of hydrogen bubbles within VRFB electrodes through comprehensive experimental characterization and a detailed analysis of the resolved bubbles. The electrode is imaged using synchrotron X-ray tomography, and gas bubbles in the images are identified and characterized using a deep learning model combined with a morphological analysis tool. The HER intensity increases at more negative working electrode potentials, causing residual bubbles to grow and fuse in the electrode central region. In contrast, independent bubbles predominantly form at the electrode edges. Furthermore, bubble growth leads to the gradual development of irregular shapes. These observations provide insights into bubble formation and evolution rules, contributing to a better understanding of the system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,457
Score d'incertitude au seuil0,659

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,231
Écart entre enseignants0,225 · 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 tête enseignante, 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemSusChemMême sujetAdvanced battery technologies researchTravaux en français237 207