MétaCan
Menu
Retour à la cohorte
Enregistrement W2169482698 · doi:10.1002/er.3246

Effect of carbon nanotube loadings on supercapacitor characteristics

2014· article· en· W2169482698 sur OpenAlexaff
Naibao Huang, Donald W. Kirk, Steven J. Thorpe, Chenghao Liang, Lishuang Xu, Li Wan, Shuchun Zhang, Min Sun

Notice bibliographique

RevueInternational Journal of Energy Research · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésNanocompositeSupercapacitorMaterials scienceCarbon nanotubeCapacitanceElectrodeHorizontal scan rateComposite materialScanning electron microscopeElectrochemistryEquivalent series resistanceCyclic voltammetryChemistryElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In order to improve the properties of electrodes based on carbon nanotubes (CNTs), nanocomposite electrodes of CNTs/activated carbon (AC) are prepared. The effect of CNT loadings on the performance of the nanocomposite electrodes is evaluated by electrochemical methods. Scanning electron microscopy images show the CNTs are well dispersed, entwine with the AC, and form a more conductive network in a nanocomposite electrode. When CNT loadings increase from 0 to 10 wt%, the capacitance increases by 15% (89.4 to 102.5 F g−1), and the equivalent series resistance (ESR) decreases by 13% (0.93 to 0.81 Ω). The capacitance improvement has an optimum CNT loading of about 6 to 10 wt%. The decreased ESR with high CNT loadings does not prevent capacitance loss at sweep rates greater than 50 mV s−1. The nanocomposite electrode shows good cycle performance with no capacity loss after 5000 cycles at a scan rate of 500 mV s−1. These results indicate that the CNT-based nanocomposite electrodes would be a promising material for use in supercapacitors. Copyright © 2014 John Wiley & Sons, Ltd.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 seuil0,337

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,325
Écart entre enseignants0,302 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations20
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy ResearchMême sujetSupercapacitor Materials and FabricationTravaux en français237 207