MétaCan
Menu
Retour à la cohorte
Enregistrement W1979092999 · doi:10.1039/c2jm31226c

Nanocrystalline ruthenium oxide dispersed Few Layered Graphene (FLG) nanoflakes as supercapacitor electrodes

2012· article· en· W1979092999 sur OpenAlexaff
Navneet Soin, Susanta Sinha Roy, Sushanta K. Mitra, Thomas Thundat, James McLaughlin

Notice bibliographique

RevueJournal of Materials Chemistry · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSupercapacitorMaterials scienceNanocrystalline materialCapacitanceGrapheneRuthenium oxideOxideChemical engineeringNanoparticleElectrochemistryElectrodeSputter depositionNanotechnologyChemical bath depositionSputteringThin filmMetallurgyChemistry

Résumé

récupéré en direct d'OpenAlex

Significant enhancement in supercapacitor performance was achieved via the synthesis of nanocrystalline RuO2 on vertically aligned Few Layered Graphene (FLG) nanoflakes, synthesized on bare n-type heavily doped silicon substrates by microwave plasma chemical vapour deposition. The RuO2 nanoparticles (diameter <2 nm) were deposited using a combination of low base pressure radio frequency magnetron sputtering and subsequent electrochemical cycling in acidic media. The well-dispersed RuO2 nanoparticles on FLGs achieve a specific capacitance of the order of 650 F g−1. The specific capacitance of RuO2–FLGs is significantly higher than pristine sputtered RuO2 (∼320 F g−1) and FLGs (∼6 F g−1) indicative of the synergistic effect between the FLGs and RuO2. In addition, the fabricated RuO2–FLG supercapacitors show excellent cycling capability with approximately 70% retention of initial specific capacitance over 4000 cycles at high charging–discharging rates of 500 mV s−1. The superior electrochemical performance is attributed to the good electronic conductivity of the FLGs as well as high utilization of well-dispersed RuO2 nanoparticles on FLGs.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,229
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations142
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials ChemistryMême sujetSupercapacitor Materials and FabricationTravaux en français237 207