IT
Ichiro Takeuchi
Author with expertise in Accelerating Materials Innovation through Informatics
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
26
(50% Open Access)
Cited by:
6,076
h-index:
70
/
i10-index:
217
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Exceptional power density and stability at intermediate temperatures in protonic ceramic fuel cells

Sihyuk Choi et al.Feb 9, 2018
Over the past several years, important strides have been made in demonstrating protonic ceramic fuel cells (PCFCs). Such fuel cells offer the potential of environmentally sustainable and cost-effective electric power generation. However, their power outputs have lagged behind predictions based on their high electrolyte conductivities. Here we overcome PCFC performance and stability challenges by employing a high-activity cathode, PrBa0.5Sr0.5Co1.5Fe0.5O5+δ (PBSCF), in combination with a chemically stable electrolyte, BaZr0.4Ce0.4Y0.1Yb0.1O3 (BZCYYb4411). We deposit a thin dense interlayer film of the cathode material onto the electrolyte surface to mitigate contact resistance, an approach which is made possible by the proton permeability of PBSCF. The peak power densities of the resulting fuel cells exceed 500 mW cm−2 at 500 °C, while also offering exceptional, long-term stability under CO2. Protonic ceramic fuel cells use oxide electrolytes with high protonic conductivity but suffer from low power densities due to sluggish oxygen reduction kinetics and high contact resistances. Here the authors integrate a PrBa0.5Sr0.5Co1.5Fe0.5O5+δ cathode and a BaZr0.4Ce0.4Y0.1Yb0.1O3 electrolyte, achieving exceptional power density and stability.
0

Machine learning modeling of superconducting critical temperature

Valentin Stanev et al.Jun 22, 2018
Abstract Superconductivity has been the focus of enormous research effort since its discovery more than a century ago. Yet, some features of this unique phenomenon remain poorly understood; prime among these is the connection between superconductivity and chemical/structural properties of materials. To bridge the gap, several machine learning schemes are developed herein to model the critical temperatures ( T c ) of the 12,000+ known superconductors available via the SuperCon database. Materials are first divided into two classes based on their T c values, above and below 10 K, and a classification model predicting this label is trained. The model uses coarse-grained features based only on the chemical compositions. It shows strong predictive power, with out-of-sample accuracy of about 92%. Separate regression models are developed to predict the values of T c for cuprate, iron-based, and low- T c compounds. These models also demonstrate good performance, with learned predictors offering potential insights into the mechanisms behind superconductivity in different families of materials. To improve the accuracy and interpretability of these models, new features are incorporated using materials data from the AFLOW Online Repositories. Finally, the classification and regression models are combined into a single-integrated pipeline and employed to search the entire Inorganic Crystallographic Structure Database (ICSD) for potential new superconductors. We identify >30 non-cuprate and non-iron-based oxides as candidate materials.
0

Identification of Quaternary Shape Memory Alloys with Near‐Zero Thermal Hysteresis and Unprecedented Functional Stability

Robert Zarnetta et al.May 11, 2010
Abstract Improving the functional stability of shape memory alloys (SMAs), which undergo a reversible martensitic transformation, is critical for their applications and remains a central research theme driving advances in shape memory technology. By using a thin‐film composition‐spread technique and high‐throughput characterization methods, the lattice parameters of quaternary Ti–Ni–Cu–Pd SMAs and the thermal hysteresis are tailored. Novel alloys with near‐zero thermal hysteresis, as predicted by the geometric non‐linear theory of martensite, are identified. The thin‐film results are successfully transferred to bulk materials and near‐zero thermal hysteresis is observed for the phase transformation in bulk alloys using the temperature‐dependent alternating current potential drop method. A universal behavior of hysteresis versus the middle eigenvalue of the transformation stretch matrix is observed for different alloy systems. Furthermore, significantly improved functional stability, investigated by thermal cycling using differential scanning calorimetry, is found for the quaternary bulk alloy Ti 50.2 Ni 34.4 Cu 12.3 Pd 3.1 .
0

The 2019 materials by design roadmap

Kirstin Alberi et al.Aug 9, 2018
Advances in renewable and sustainable energy technologies critically depend on our ability to design and realize materials with optimal properties. Materials discovery and design efforts ideally involve close coupling between materials prediction, synthesis and characterization. The increased use of computational tools, the generation of materials databases, and advances in experimental methods have substantially accelerated these activities. It is therefore an opportune time to consider future prospects for materials by design approaches. The purpose of this Roadmap is to present an overview of the current state of computational materials prediction, synthesis and characterization approaches, materials design needs for various technologies, and future challenges and opportunities that must be addressed. The various perspectives cover topics on computational techniques, validation, materials databases, materials informatics, high-throughput combinatorial methods, advanced characterization approaches, and materials design issues in thermoelectrics, photovoltaics, solid state lighting, catalysts, batteries, metal alloys, complex oxides and transparent conducting materials. It is our hope that this Roadmap will guide researchers and funding agencies in identifying new prospects for materials design.
0

Fatigue-resistant high-performance elastocaloric materials made by additive manufacturing

Huilong Hou et al.Nov 29, 2019
Elastocaloric cooling, which exploits the latent heat released and absorbed as stress-induced phase transformations are reversibly cycled in shape memory alloys, has recently emerged as a frontrunner in non-vapor-compression cooling technologies. The intrinsically high thermodynamic efficiency of elastocaloric materials is limited only by work hysteresis. Here, we report on creating high-performance low-hysteresis elastocaloric cooling materials via additive manufacturing of Titanium-Nickel (Ti-Ni) alloys. Contrary to established knowledge of the physical metallurgy of Ti-Ni alloys, intermetallic phases are found to be beneficial to elastocaloric performances when they are combined with the binary Ti-Ni compound in nanocomposite configurations. The resulting microstructure gives rise to quasi-linear stress-strain behaviors with extremely small hysteresis, leading to enhancement in the materials efficiency by a factor of five. Furthermore, despite being composed of more than 50% intermetallic phases, the reversible, repeatable elastocaloric performance of this material is shown to be stable over one million cycles. This result opens the door for direct implementation of additive manufacturing to elastocaloric cooling systems where versatile design strategy enables both topology optimization of heat exchangers as well as unique microstructural control of metallic refrigerants.
Load More