Synthesis of silicon nanowires from carbothermic reduction of silica fume in RF thermal plasma
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Silica fume, which is a by‐product of metallurgical‐grade silicon production, is a low cost material with high SiO 2 concentration and small particle size (<1 µm). These properties make it a good candidate for radio‐frequency (RF) thermal plasma processing. In this article, the use of silica fume as a reactant is promoted for the RF thermal plasma synthesis of high‐charge capacity, high cyclability anode materials for lithium‐ion batteries. In order to obtain these materials, the carboreduction of silica fume is followed by an in‐flight growth of silicon nanowires in the plasma reactor. The impact of the addition of catalysts and the use of different plasma gases on the yield and the properties of the product has been investigated by X‐ray diffractometry (XRD), thermogravimetric analysis (TGA), scanning electron microscopy (SEM), energy dispersion spectrometry (EDS), and transmission electron microscopy (TEM). It is found that the addition of metal catalysts has a significant effect on the synthesis. It not only promoted the formation of silicon nanowires, but also improved the yield of the reaction upwards of 300%. An insight on the mechanisms leading to the silicon nanowires formation is also discussed in the results section.
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.
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 découle