MétaCan
Menu
Retour à la cohorte
Enregistrement W4411282362 · doi:10.1021/acsenergylett.5c01202

Crack-Engineered Microporous Layer for Mitigating Cathode Flooding in Polymer Electrolyte Fuel Cells

2025· article· en· W4411282362 sur OpenAlexaff
Young Je Park, Won Young Choi, Seong Hyun Park, Hyunguk Choi, Seo Won Choi, Jy-Young Jyoung, Eunsook Lee, Jae‐Il Park, Min Jae Ko, Kang Taek Lee, Chi‐Young Jung

Notice bibliographique

RevueACS Energy Letters · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesKorea Institute of Energy Research
Mots-clésMicroporous materialElectrolyteCathodeMaterials scienceLayer (electronics)PolymerFlooding (psychology)Fuel cellsChemical engineeringComposite materialNanotechnologyChemistryElectrodeEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Crack engineering within the microporous layer (MPL) of the gas diffusion layer (GDL) has emerged as a promising strategy to alleviate severe cathode flooding in polymer electrolyte fuel cells (PEFCs), especially under high current operation. Here, we report a connected-crack MPL architecture that forms continuous liquid water highways, extending from the catalyst layer (CL) to the GDL backing layer, effectively separating the liquid/gas transport. Three-dimensional reconstruction using X-ray computed tomography reveals that the microengineered cracks significantly reduce flooding at the CL-MPL interface by providing efficient drainage. Compared to the noncrack GDL, the connected-crack GDL (C-GDL) exhibits 20% higher peak power density of 1.23 W cm –2 . Pore-scale simulations further validate the antiflooding capabilities of C-GDL, showing a 25-fold enhancement in water removal. This crack-engineered GDL thus offers an efficient and scalable route to water management challenges, enabling robust and high-performance PEFCs suitable for heavy-duty vehicle electrification.

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 enseignants0,048
Score d'incertitude au seuil0,991

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 savante0,0000,000
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 Opus0,004
Tête enseignante GPT0,190
Écart entre enseignants0,186 · 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

Citations13
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Energy LettersMême sujetFuel Cells and Related MaterialsTravaux en français237 207