MétaCan
Menu
Retour à la cohorte
Enregistrement W4413143051 · doi:10.1016/j.jpowsour.2025.238031

Dominating impact of microporous layer thickness on gas diffusion layer oxygen transport resistance

2025· article· en· W4413143051 sur OpenAlexafffund
Divya Parekh, Salvatore Ranieri, Tess Seip, Eric Alexander Chadwick, Beste Derebaşı, Nan Ge, Rainey Wang, Aimy Bazylak

Notice bibliographique

RevueJournal of Power Sources · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensHydrogenics (Canada)University of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoGovernment of SaskatchewanCummins IncorporatedCanada Research ChairsNational Research Council CanadaCanada Foundation for InnovationCanadian Institutes of Health ResearchMitacsNational Research CouncilUniversity of Saskatchewan
Mots-clésMicroporous materialLayer (electronics)OxygenDiffusionMaterials scienceChemical engineeringChemistryComposite materialThermodynamicsEngineeringPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The thickness of the microporous layer (MPL) in polymer electrolyte membrane (PEM) fuel cells with gas diffusion layers (GDLs) has a dominating impact on oxygen transport resistance, particularly compared to the thickness of the GDL substrate. Specifically, GDLs with thinner MPLs showed superior oxygen transport resistance despite possessing relatively restrictive GDL substrates. Concurrent operando imaging revealed inconsequential liquid water accumulation at the catalyst layer interface and within the GDL substrate despite the high relative humidity conditions. The highly beneficial absence of liquid water that typically lowers oxygen transport resistance, enabled a closer examination of how GDL morphology impacts the oxygen transport resistance during operation. • Operando imaging reveals low liquid water content in GDL despite high RH. • MPL dominates oxygen transport resistance compared to GDL substrate. • MPL thickness has strong influence on oxygen transport resistance.

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 enseignants0,173
Score d'incertitude au seuil0,442

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 Opus0,005
Tête enseignante GPT0,232
Écart entre enseignants0,227 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Power SourcesMême sujetFuel Cells and Related MaterialsTravaux en français237 207