MétaCan
Menu
Retour à la cohorte
Enregistrement W1974111743 · doi:10.1002/cjce.20586

Material advancements in supercapacitors: From activated carbon to carbon nanotube and graphene

2011· article· en· W1974111743 sur OpenAlexaffvenue
Aaron Davies, Aiping Yu

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSupercapacitorPseudocapacitanceGrapheneMaterials scienceCarbon nanotubeNanotechnologyEnergy storageCarbon fibersElectrolyteCapacitorElectrochemistryElectrodePower (physics)Composite materialChemistryVoltageElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The electrochemical capacitor (EC), also known as supercapacitor, is an energy storage device possessing a near infinite life‐cycle and high power density recognised to store energy in the double‐layer or through pseudocapacitance as a result of an applied potential. Fundamental principles of charge storage in relation to the important physical and chemical characteristics of electrode materials are addressed in the following review, with carbon‐made electrodes, specifically activated carbon, carbon fibres and aerogels, carbon nanotubes and graphene emphasised in regards to their enhancement of the characteristic energy and power densities of ECs. Pseudocapacitive materials, notably transition metal oxides and nitrides, and conducting polymers are remarked by the potential to further improve EC performance through synergistic effects and asymmetric design. Research towards gaining a better understanding of charge storage in sub‐micropores, material design and improving the performance of alternative electrolytes are expected to greatly enhance the capabilities of these devices in the near future.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,186
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations214
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetSupercapacitor Materials and FabricationTravaux en français237 207