MétaCan
Menu
Retour à la cohorte
Enregistrement W2309159040 · doi:10.1021/acsnano.5b07347

Long-Life and High-Areal-Capacity Li–S Batteries Enabled by a Light-Weight Polar Host with Intrinsic Polysulfide Adsorption

2016· article· en· W2309159040 sur OpenAlexafffund
Quanquan Pang, Linda F. Nazar

Notice bibliographique

RevueACS Nano · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Resources CanadaNatural Sciences and Engineering Research Council of CanadaBASF
Mots-clésPolysulfideSulfurMaterials scienceElectrochemistryChemical engineeringAdsorptionNanoporousCarbon fibersCathodeNanotechnologyElectrodeChemistryElectrolyteOrganic chemistryComposite materialComposite number

Résumé

récupéré en direct d'OpenAlex

Lithium-sulfur batteries are attractive electrochemical energy storage systems due to their high theoretical energy density and very high natural abundance of sulfur. However, practically, Li-S batteries suffer from short cycling life and low sulfur utilization, particularly in the case of high-sulfur-loaded cathodes. Here, we report on a light-weight nanoporous graphitic carbon nitride (high-surface-area g-C3N4) that enables a sulfur electrode with an ultralow long-term capacity fade rate of 0.04% per cycle over 1500 cycles at a practical C/2 rate. More importantly, it exhibits good high-sulfur-loading areal capacity (up to 3.5 mAh cm(-2)) with stable cell performance. We demonstrate the strong chemical interaction of g-C3N4 with polysulfides using a combination of spectroscopic experimental studies and first-principles calculations. The 53.5% concentration of accessible pyridinic nitrogen polysulfide adsorption sites is shown to be key for the greatly improved cycling performance compared to that of N-doped carbons.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,170
Écart entre enseignants0,165 · 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 source (Gemma direct ou Codex distillé), 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

Citations411
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207