Bridging Models at Different Scales To Design New Generation Fuel Cells for Electrified Mobility

Informations projet

BLESSED

N° de convention de subvention: 101072578

DOI

10.3030/101072578

Date de signature de la CE 14 Juillet 2022

Date de début 1 Février 2023

Date de fin 30 Septembre 2027

Financé au titre de

• Marie Skłodowska-Curie Actions (MSCA)

Coût total

Aucune donnée

Contribution de l’UE

€ 3 501 489,60

Coordonné par

TOYOTA MOTOR EUROPE NV
Belgium

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Peer reviewed articles (9)

Digital Correlation Analysis and Optimization of Microporous Layer Through a Machine Learning Workflow for PEMFC Applications

Auteurs: Omongos, Rashen Lou; Galvez-Aranda, Diego; Fernandez, Francisco; Vernes, András; Franco, Alejandro
Publié dans: Journal of Power Sources, Numéro 652, 2025
Éditeur: ELSEVIER
DOI: 10.1016/J.JPOWSOUR.2025.237522

A Simple Transfer Learning Approach Applied to Small Experimental Li-Ion Electrode Manufacturing Datasets

Auteurs: Francisco Fernandez, Soorya Saravanan, Rashen Lou Omongos, Javier Fernandez Troncoso, Diego Eduardo Galvez Aranda, Alejandro Franco
Publié dans: ECS Meeting Abstracts, Numéro MA2025-01, 2025, ISSN 2151-2043
Éditeur: The Electrochemical Society
DOI: 10.1149/MA2025-013337MTGABS

Elucidating Pt/C and ionomer aggregation dynamics in the manufacturing of Fuel Cell catalyst layers: a discrete element method approach

Auteurs: Vijayaraghavan, Sourab Barath; Baldofski, Matthias; Franco, Alejandro
Publié dans: Journal of Power Sources, Numéro 658, 2025
Éditeur: ELSEVIER
DOI: 10.1016/J.JPOWSOUR.2025.238238

Gas diffusion layer descriptors identified by machine learning to predict electrical contact resistance

Auteurs: V Román, M Valtiner, K Gkagkas, V Asouti, A Vernes
Publié dans: Modelling and Simulation in Materials Science and Engineering, Numéro 33, 2025, ISSN 0965-0393
Éditeur: IOP Publishing
DOI: 10.1088/1361-651X/ADE461

Transfer learning assessment of small datasets relating manufacturing parameters with electrochemical energy cell component properties

Auteurs: Fernandez, Francisco; Saravanan, Soorya; Omongos, Rashen Lou; Troncoso, Javier; Galvez-Aranda, Diego; Franco, Alejandro
Publié dans: npj Advanced Manufacturing, Numéro 2, 2025
Éditeur: NATURE
DOI: 10.1038/S44334-025-00024-1

Nanostructure-Informed Multiscale Modeling of Degradation Effects on Proton Conductivity in Nafion Membranes

Auteurs: Xingyu Zhang; Robert Pöschl; Andreas Ennemoser; Alejandro A. Franco
Publié dans: ACS Applied Materials & Interfaces, Numéro 17, 2025
Éditeur: CHEMRXIV
DOI: 10.26434/CHEMRXIV-2025-5MH0C

Machine learning-driven optimization of gas diffusion layer microstructure for PEM fuel cells

Auteurs: Rashen Lou Omongos, Diego E. Galvez-Aranda, Franco M. Zanotto, András Vernes, Alejandro A. Franco
Publié dans: Journal of Power Sources, Numéro 625, 2024, ISSN 0378-7753
Éditeur: Elsevier BV
DOI: 10.1016/j.jpowsour.2024.235583

A Simple Transfer Learning Approach for Assessing Small Datasets in Electrochemical Energy Cells Manufacturing

Auteurs: Francisco Fernandez; Soorya Saravanan; Rashen Lou Omongos; Javier Fernandez Troncoso; Diego E. Galvez-Aranda; Alejandro A. Franco
Publié dans: Crossref, 2024
Éditeur: CHEMRXIV
DOI: 10.26434/CHEMRXIV-2024-69T12

Digital Correlation Analysis of Microporous Layers for Proton Exchange Membrane Fuel Cells Applications

Auteurs: Rashen Lou Omongos, Diego Eduardo Galvez Aranda, András Vernes, Alejandro Franco
Publié dans: ECS Meeting Abstracts, Numéro MA2025-01, 2025, ISSN 2151-2043
Éditeur: The Electrochemical Society
DOI: 10.1149/MA2025-01442361MTGABS

Conference proceedings (1)

Descriptors of Gas Diffusion Layer to Use in Proton Exchange Membrane Fuel Cells Simulations

Auteurs: Víctor Román, Varvara Asouti, András Vernes
Publié dans: 11th International Conference on Multiscale Materials Modeling, 2024