Tin Oxide with Controlled Morphology and Crystallinity by Atomic Layer Deposition onto Graphene Nanosheets for Enhanced Lithium Storage
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
Abstract As one of the most promising negative electrode materials in lithium‐ion batteries (LIBs), SnO 2 experiences intense investigation due to its high specific capacity and energy density, relative to conventional graphite anodes. In this study, for the first time, atomic layer deposition (ALD) is used to deposit SnO 2 , containing both amorphous and crystalline phases, onto graphene nanosheets (GNS) as anodes for LIBs. The resultant SnO 2 ‐graphene nanocomposites exhibit a sandwich structure, and, when cycled against a lithium counter electrode, demonstrate a promising electrochemical performance. It is demonstrated that the introduction of GNS into the nanocomposites is beneficial for the anodes by increasing their electrical conductivity and releasing strain energy: thus, the nanocomposite electrode materials maintain a high electrical conductivity and flexibility. It is found that the amorphous SnO 2 ‐GNS is more effective than the crystalline SnO 2 ‐GNS in overcoming electrochemical and mechanical degradation; this observation is consistent with the intrinsically isotropic nature of the amorphous SnO 2 , which can mitigate the large volume changes associated with charge/discharge processes. It is observed that after 150 charge/discharge cycles, 793 mA h g −1 is achieved. Moreover, a higher coulombic efficiency is obtained for the amorphous SnO 2 ‐GNS composite anode. This study provides an approach to fabricate novel anode materials and clarifies the influence of SnO 2 phases on the electrochemical performance of LIBs.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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