Tin Oxide with Controlled Morphology and Crystallinity by Atomic Layer Deposition onto Graphene Nanosheets for Enhanced Lithium Storage
Notice bibliographique
Résumé
Abstract As one of the most promising negative electrode materials in lithium‐ion batteries (LIBs), SnO2 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 SnO2, containing both amorphous and crystalline phases, onto graphene nanosheets (GNS) as anodes for LIBs. The resultant SnO2‐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 SnO2‐GNS is more effective than the crystalline SnO2‐GNS in overcoming electrochemical and mechanical degradation; this observation is consistent with the intrinsically isotropic nature of the amorphous SnO2, 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 SnO2‐GNS composite anode. This study provides an approach to fabricate novel anode materials and clarifies the influence of SnO2 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».