MétaCan
Menu
Retour à la cohorte
Enregistrement W2317116120 · doi:10.1021/nl403943g

Engineered Si Electrode Nanoarchitecture: A Scalable Postfabrication Treatment for the Production of Next-Generation Li-Ion Batteries

2013· article· en· W2317116120 sur OpenAlexaff
Fathy M. Hassan, Victor Chabot, Abdel Rahman Elsayed, Xingcheng Xiao, Zhongwei Chen

Notice bibliographique

RevueNano Letters · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésElectrodeMaterials scienceNanoarchitectures for lithium-ion batteriesIonNanotechnologyAnodeChemistry

Résumé

récupéré en direct d'OpenAlex

A novel, economical flash heat treatment of the fabricated silicon based electrodes is introduced to boost the performance and cycle capability of Li-ion batteries. The treatment reveals a high mass fraction of Si, improved interfacial contact, synergistic SiO2/C coating, and a conductive cellular network for improved conductivity, as well as flexibility for stress compensation. The enhanced electrodes achieve a first cycle efficiency of ∼84% and a maximum charge capacity of 3525 mA h g(-1), almost 84% of silicon's theoretical maximum. Further, a stable reversible charge capacity of 1150 mA h g(-1) at 1.2 A g(-1) can be achieved over 500 cycles. Thus, the flash heat treatment method introduces a promising avenue for the production of industrially viable, next-generation Li-ion batteries.

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 seuil0,002

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 Opus0,019
Tête enseignante GPT0,221
Écart entre enseignants0,202 · 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

Citations129
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetAdvancements in Battery MaterialsTravaux en français237 207