MétaCan
Menu
Retour à la cohorte
Enregistrement W4411213825 · doi:10.1007/s44373-025-00036-8

Systematic refinement of experimental practices to improve repeatability in flow battery cycling

2025· article· en· W4411213825 sur OpenAlexfundno aff
Hugh O’Connor, Alexander Quinn, Fikile R. Brushett, Oana M. Istrate, Stephen Glover, Josh J. Bailey, Peter Nockemann

Notice bibliographique

RevueDiscover Electrochemistry. · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensnon disponible
Organismes subventionnairesQueen's University BelfastRoyal SocietyInvest Northern IrelandQueen's UniversityDepartment for Employment and Learning, Northern IrelandShell Global Solutions InternationalShellAlfred P. Sloan FoundationNational Science Foundation
Mots-clésCyclingRepeatabilityBattery (electricity)Reliability engineeringEnvironmental scienceComputer scienceEngineeringMathematicsThermodynamicsStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

Flow batteries represent one of the leading options for large-scale, long-duration energy storage. In recent years, research into this technology has accelerated, with numerous innovative studies focusing on electrolytes, membranes, and electrode materials. Despite this, there is presently no clear set of testing protocols followed during full-cell testing of flow batteries and the experimental techniques detailed in published literature are often insufficient to reproduce results. Furthermore, testing to quantify the repeatability of experiments is not often reported. In this work, various aspects of an experimental procedure developed from the peer-reviewed literature are refined, with voltage efficiency, coulombic efficiency, energy efficiency, and electrolyte utilization used as indicators of repeatability. A set of improved testing protocols are presented for researchers to consider when conducting charge–discharge testing, and additional factors to be reported and studied in the context of repeatability are suggested.

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)0,001
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 enseignants0,009
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,300
Écart entre enseignants0,292 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover Electrochemistry.Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207