Scalable High-Power Redox Capacitors with Aligned Nanoforests of Crystalline MnO<sub>2</sub>Nanorods by High Voltage Electrophoretic Deposition
Notice bibliographique
Résumé
It is commonly perceived that reduction-oxidation (redox) capacitors have to sacrifice power density to achieve higher energy density than carbon-based electric double layer capacitors. In this work, we report the synergetic advantages of combining the high crystallinity of hydrothermally synthesized α-MnO2 nanorods with alignment for high performance redox capacitors. Such an approach is enabled by high voltage electrophoretic deposition (HVEPD) technology which can obtain vertically aligned nanoforests with great process versatility. The scalable nanomanufacturing process is demonstrated by roll-printing an aligned forest of α-MnO2 nanorods on a large flexible substrate (1 inch by 1 foot). The electrodes show very high power density (340 kW/kg at an energy density of 4.7 Wh/kg) and excellent cyclability (over 92% capacitance retention over 2000 cycles). Pretreatment of the substrate and use of a conductive holding layer have also been shown to significantly reduce the contact resistance between the aligned nanoforests and the substrates. High areal specific capacitances of around 8500 μF/cm(2) have been obtained for each electrode with a two-electrode device configuration. Over 93% capacitance retention was observed when the cycling current densities were increased from 0.25 to 10 mA/cm(2), indicating high rate capabilities of the fabricated electrodes and resulting in the very high attainable power density. The high performance of the electrodes is attributed to the crystallographic structure, 1D morphology, aligned orientation, and low contact resistance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».