MétaCan
Menu
Retour à la cohorte
Enregistrement W2293063949 · doi:10.1021/acs.macromol.6b00021

Employing Gradient Copolymer To Achieve Gel Polymer Electrolytes with High Ionic Conductivity

2016· article· en· W2293063949 sur OpenAlexaff
Zhenan Zheng, Xiang Gao, Yingwu Luo, Shiping Zhu

Notice bibliographique

RevueMacromolecules · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCopolymerElectrolyteIonic conductivityPolymerPolymer chemistryConductivityMaterials scienceMonomerPolymerizationChemical engineeringIonic bondingAcrylateStyreneLithium (medication)ChemistryIonElectrodeComposite materialOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

A new type of polymer electrolyte based on gradient copolymers is proposed to resolve the problem of low ionic conductivity faced by polymer electrolytes. A series of random, block, and gradient copolymers of styrene (St) and methyl acrylate (MA) are synthesized by a living radical polymerization method and employed as polymer electrolytes for lithium-ion batteries. The gradient copolymer has gradual change in the monomeric composition along polymer chains. There is no abrupt composition change between the adjacent blocks. This design minimizes possible sharp domain boundaries and generates highly conductive smooth ion pathways. The gradient copolymer gel electrolyte filled with a regular ester electrolyte gives the highest ionic conductivity of 1.20 × 10 –3 S cm –1 at room temperature, which meets the requirement of practical applications.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,022
Score d'incertitude au seuil0,620

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,194
Écart entre enseignants0,188 · 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

Citations33
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromoleculesMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207