Sustainable PGM Recovery Processes for Fuel Cell and Electrolyzer Applications
Notice bibliographique
Résumé
Proton exchange membrane fuel cells (PEMFCs) and proton exchange membrane water electrolyzers (PEMWEs) are pivotal technologies in developing sustainable energy infrastructure, through hydrogen as the primary energy vector. However, the large-scale deployment of PEMFCs and PEMWEs is constrained by their reliance on platinum group metals (PGMs), which are scarce and costly. While significant advancements have been made to reduce PGM loading without compromising efficiency and durability, these efforts have to be coupled with the development of sustainable PGM recovery methods from end-of-life components to ensure the scalability of PEMFC and PEMWE technologies. This article provides an overview of PGM recycling methods from a fuel cell and electrolyzer technology applications. Specifically, we briefly introduce conventional recovery methods, such as pyrometallurgical and hydrometallurgical processes, which offer high efficiency but are associated with high energy consumption, waste generation, and severe environmental concerns. Then, we discuss emerging green solvents and innovative extraction methods, highlighting their benefits and challenges for regenerating PGMs into electrocatalysts. Finally, key challenges in PGM recovery from secondary sources for hydrogen energy applications are presented, along with the potential of emerging recovery methods to address these challenges. Advancing these sustainable recovery strategies will be critical to establishing a circular economy for hydrogen and fuel cell technologies.
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 ».