Quantifying Spatio‐Operational Heterogeneity in Electrochemical Devices via Operando Correlative Neutron and X‐Ray Tomography
Notice bibliographique
Résumé
Abstract Heterogeneity in component morphology and distribution, inherent in modern electrochemical devices, frequently limits device performance and durability. However, accurately characterizing heterogeneity is challenging as it requires high‐contrast detection of evolving multi‐material components and associated interfaces, and this often bottlenecks rational design. In this study, new insights into spatio‐operational heterogeneity are quantitatively revealed within multi‐component electrochemical systems using simultaneous neutron and X‐ray tomography (NeXT). In operando fuel cells, this technique uniquely offers independent yet simultaneous and correlated characterization of material distribution and morphology. This enables accurate contextualization of liquid water within all key component interfaces in sufficient detail to resolve previously unidentified 4D heterogeneity. First, 4D heterogeneity in membrane thickness and water content is found to depend strongly upon location and operating conditions, with membrane thickness variations up to 80 µm and membrane water content variation from dry to hydrated at 21 . Second, a direct experimental link is established between anisotropic humidification and local anisotropic swelling of the membrane. The observations lend unique insights into degradation mechanisms of the membrane and have notable implications on the practical durability of fuel cells. The proposed methodology is highly relevant to advancing multi‐material electrochemical devices (with evidence of applicability to batteries provided).
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 ».