MétaCan
Menu
Retour à la cohorte
Enregistrement W2337176119 · doi:10.1002/advs.201600044

Prussian Blue MgLi Hybrid Batteries

2016· article· en· W2337176119 sur OpenAlexafffund
Xiaoqi Sun, Victor Duffort, Linda F. Nazar

Notice bibliographique

RevueAdvanced Science · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesBasic Energy SciencesNatural Sciences and Engineering Research Council of CanadaU.S. Department of Energy
Mots-clésPrussian blueMaterials scienceChemical engineeringChemistryElectrodeElectrochemistryEngineeringPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The major advantage of Mg batteries relies on their promise of employing an Mg metal negative electrode, which offers much higher energy density compared to graphitic carbon. However, the strong coulombic interaction of Mg 2+ ions with anions leads to their sluggish diffusion in the solid state, which along with a high desolvation energy, hinders the development of positive electrode materials. To circumvent this limitation, Mg metal negative electrodes can be used in hybrid systems by coupling an Li + insertion cathode through a dual salt electrolyte. Two “high voltage” Prussian blue analogues (average 2.3 V vs Mg/Mg 2+ ; 3.0 V vs Li/Li + ) are investigated as cathode materials and the influence of structural water is shown. Their electrochemical profiles, presenting two voltage plateaus, are explained based on the two unique Fe bonding environments. Structural water has a beneficial impact on the cell voltage. Capacities of 125 mAh g −1 are obtained at a current density of 10 mA g −1 (≈C/10), while stable performance up to 300 cycles is demonstrated at 200 mA g −1 (≈2C). The hybrid cell design is a step toward building a safe and high density energy storage system.

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 enseignants0,002
Score d'incertitude au seuil0,006

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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,008
Tête enseignante GPT0,240
Écart entre enseignants0,232 · 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

Citations106
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced ScienceMême sujetAdvancements in Battery MaterialsTravaux en français237 207