Interconnected Carbon Nanosheets Derived from Hemp for Ultrafast Supercapacitors with High Energy
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
We created unique interconnected partially graphitic carbon nanosheets (10-30 nm in thickness) with high specific surface area (up to 2287 m(2) g(-1)), significant volume fraction of mesoporosity (up to 58%), and good electrical conductivity (211-226 S m(-1)) from hemp bast fiber. The nanosheets are ideally suited for low (down to 0 °C) through high (100 °C) temperature ionic-liquid-based supercapacitor applications: At 0 °C and a current density of 10 A g(-1), the electrode maintains a remarkable capacitance of 106 F g(-1). At 20, 60, and 100 °C and an extreme current density of 100 A g(-1), there is excellent capacitance retention (72-92%) with the specific capacitances being 113, 144, and 142 F g(-1), respectively. These characteristics favorably place the materials on a Ragone chart providing among the best power-energy characteristics (on an active mass normalized basis) ever reported for an electrochemical capacitor: At a very high power density of 20 kW kg(-1) and 20, 60, and 100 °C, the energy densities are 19, 34, and 40 Wh kg(-1), respectively. Moreover the assembled supercapacitor device yields a maximum energy density of 12 Wh kg(-1), which is higher than that of commercially available supercapacitors. By taking advantage of the complex multilayered structure of a hemp bast fiber precursor, such exquisite carbons were able to be achieved by simple hydrothermal carbonization combined with activation. This novel precursor-synthesis route presents a great potential for facile large-scale production of high-performance carbons for a variety of diverse applications including energy storage.
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) | 0,001 | 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 découle