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

Informazioni relative al progetto

BLESSED

ID dell’accordo di sovvenzione: 101072578

DOI

10.3030/101072578

Data della firma CE 14 Luglio 2022

Data di avvio 1 Febbraio 2023

Data di completamento 30 Settembre 2027

Finanziato da

• Marie Skłodowska-Curie Actions (MSCA)

Costo totale

Nessun dato

Contributo UE

€ 3 501 489,60

Coordinato da

TOYOTA MOTOR EUROPE NV
Belgium

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

Peer reviewed articles (9)

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

Autori: Omongos, Rashen Lou; Galvez-Aranda, Diego; Fernandez, Francisco; Vernes, András; Franco, Alejandro
Pubblicato in: Journal of Power Sources, Numero 652, 2025
Editore: ELSEVIER
DOI: 10.1016/J.JPOWSOUR.2025.237522

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

Autori: Francisco Fernandez, Soorya Saravanan, Rashen Lou Omongos, Javier Fernandez Troncoso, Diego Eduardo Galvez Aranda, Alejandro Franco
Pubblicato in: ECS Meeting Abstracts, Numero MA2025-01, 2025, ISSN 2151-2043
Editore: 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

Autori: Vijayaraghavan, Sourab Barath; Baldofski, Matthias; Franco, Alejandro
Pubblicato in: Journal of Power Sources, Numero 658, 2025
Editore: ELSEVIER
DOI: 10.1016/J.JPOWSOUR.2025.238238

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

Autori: V Román, M Valtiner, K Gkagkas, V Asouti, A Vernes
Pubblicato in: Modelling and Simulation in Materials Science and Engineering, Numero 33, 2025, ISSN 0965-0393
Editore: IOP Publishing
DOI: 10.1088/1361-651X/ADE461

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

Autori: Fernandez, Francisco; Saravanan, Soorya; Omongos, Rashen Lou; Troncoso, Javier; Galvez-Aranda, Diego; Franco, Alejandro
Pubblicato in: npj Advanced Manufacturing, Numero 2, 2025
Editore: NATURE
DOI: 10.1038/S44334-025-00024-1

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

Autori: Xingyu Zhang; Robert Pöschl; Andreas Ennemoser; Alejandro A. Franco
Pubblicato in: ACS Applied Materials & Interfaces, Numero 17, 2025
Editore: CHEMRXIV
DOI: 10.26434/CHEMRXIV-2025-5MH0C

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

Autori: Rashen Lou Omongos, Diego E. Galvez-Aranda, Franco M. Zanotto, András Vernes, Alejandro A. Franco
Pubblicato in: Journal of Power Sources, Numero 625, 2024, ISSN 0378-7753
Editore: Elsevier BV
DOI: 10.1016/j.jpowsour.2024.235583

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

Autori: Francisco Fernandez; Soorya Saravanan; Rashen Lou Omongos; Javier Fernandez Troncoso; Diego E. Galvez-Aranda; Alejandro A. Franco
Pubblicato in: Crossref, 2024
Editore: CHEMRXIV
DOI: 10.26434/CHEMRXIV-2024-69T12

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

Autori: Rashen Lou Omongos, Diego Eduardo Galvez Aranda, András Vernes, Alejandro Franco
Pubblicato in: ECS Meeting Abstracts, Numero MA2025-01, 2025, ISSN 2151-2043
Editore: 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

Autori: Víctor Román, Varvara Asouti, András Vernes
Pubblicato in: 11th International Conference on Multiscale Materials Modeling, 2024