燃料电池催化剂层的三维纳米成像
Robin Girod1, Timon Lazaridis2, Hubert A Gasteiger2
1Institute of Materials, École Polytechnique Fédérale de Lausanne, Lausanne, Switzerland.
概括
研究人员使用冷电子断层扫描的深度学习来可视化质子交换膜燃料电池催化剂层. 这种方法揭示了详细的形态,将结构与性能联系起来,并改进了燃料电池设计.
科学领域:
- 材料科学 材料科学 材料科学
- 电化学 电化学 电化学
- 纳米技术纳米技术
背景情况:
- 质子交换膜燃料电池 (PEMFC) 依赖于碳支上的组金属 (PGM) 纳米催化剂.
- 催化剂层的多孔结构,包括离子体网络,极大地影响了质量运输和燃料电池性能.
- 了解当地的结构形态是减少性能损失的关键.
研究的目的:
- 开发和应用一个3D可视化技术,详细的催化剂层形态.
- 量化分析离子体分布,金位置,以及催化剂层内的可访问性.
- 建立催化剂层架构和运输特性之间的联系.
主要方法:
- 实施深度学习辅助的冷传输电子断层扫描 (cryo-TEMT) 用于图像恢复.
- 在局部反应地点尺度上对催化剂层形态的定量分析.
- 对实验测量进行计算指标的验证.
主要成果:
- 实现了催化剂层结构的详细3D可视化.
- 计算了诸如离子体形态,覆盖范围,同质性和可访问性等指标.
- 结果直接与实验数据进行比较和验证.
结论:
- 开发的深度学习cryo-TEMT方法允许对催化剂层架构进行定量研究.
- 这种方法有助于理解形态,运输特性和燃料电池性能之间的关系.
- 这些发现有助于优化催化剂层设计,以提高PEMFC效率.


