Nanoscale X-ray tomographic imaging of liquid water in fuel cell electrode materials
Notice bibliographique
Résumé
Efficient transport of water in a polymer electrolyte membrane fuel cell (PEMFC) is one of the key factors to achieve a high performance with balanced cell humidity and transport of gas reactants. Micro-scale 3D X-ray computed tomography (XCT) has shown great promise in understanding and visualizing liquid water distribution and transport; although, mainly within the macroscopic gas diffusion layer (GDL) substrate. The objective of the present work is to extend XCT based liquid water visualization to the nano-scale pores of the microporous and catalyst layers (MPLs and CLs) in PEMFCs. A custom methodology of water distribution visualization in MPL and CL at 100 % relative humidity (RH) condition is developed using a lab-based nano-resolution XCT (NXCT) system. The design of a custom-built X-ray transparent fixture for capturing water domains along with the imaging procedure, constraints, and challenges are discussed. Utilization of an in-house built fixture coupled with Zernike phase-contrast imaging mode, has allowed for the quantification and visualization of ∼ 18 % and ∼ 6 % of water volume fraction in wetted MPL and CL, respectively. The methodology discussed here is a step forward to understand the water distribution in nano-porous media and can be further modified to be translated to real working conditions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».