MétaCan
Menu
Retour à la cohorte
Enregistrement W2373190818 · doi:10.1149/ma2016-01/1/81

(Energy Technology Division Graduate Student Award) Designing Polyoxometalate-Carbon Hybrid Materials for Supercapacitor Electrodes

2016· article· en· W2373190818 sur OpenAlexaff
Matthew Genovese, Yee Wei Foong, Keryn Lian

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolyoxometalates: Synthesis and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPolyoxometalateSupercapacitorElectrochemistryMaterials scienceElectrodeNanotechnologyCarbon fibersChemical engineeringMoleculeLayer (electronics)Substrate (aquarium)Energy storageCoatingChemistryOrganic chemistryComposite materialPhysical chemistryCatalysisComposite number

Résumé

récupéré en direct d'OpenAlex

This talk will provide an overview of our recent work in the development of supercapacitor electrode materials based on the modification of carbon substrates (MWCNTs and Activated Carbons) with custom designed polyoxometalate (POM) molecular coatings. POMs undergo fast reversible multi-electron transfer reactions, an ideal characteristic for electrochemical energy storage. When immobilized on a carbon substrate these POM molecules provide enhanced charge storage capacity due to their faradaic reactions, while the carbon material contributes mechanical support, improved conductivity, and physical capacitive effects. Different POM molecules such as PMo12O40 3- (PMo12) and PW12O40 3- (PW12) demonstrate characteristic electrochemical activity related to their chemical composition. However, we have discovered that when these molecules are combined in aqueous solutions they do not just physically mix, but instead react spontaneously to form PMo12-xWx mixed addenda chemistries with unique electrochemical properties different from that of individual PMo12 or PW12. We have also demonstrated that this mixture behaviour can be extended to additional POM combinations such as SiMo12O40 4- (SiMo12) and SiW12O40 4- (SiW12). These novel POM combinations have electrochemical properties that can be easily tuned based upon the compositions of the mixtures. This control over POM redox behavior can be used along with layer-by-layer (LbL) deposition to design molecular coatings that demonstrate desired pseudocapacitive characteristics. The best performance was achieved with a coating that superimposed a 3:1 PMo12O40 3−-PW12O40 3− mixed layer on a 1:1 GeMo12O40 4−-SiMo12O40 4− mixed layer, which resulted in a 5X capacitance enhancement over unmodified MWCNT. This dual layer electrode also demonstrated a close to rectangular CV profile due to the overlapping redox features of the POM combination (Figure 1). In addition to our work on the POM active layers, our current research on the development of alterative carbon substrates will also be discussed. While MWCNT is an effective substrate for POM modification, we have recently focused on the fabrication of less expensive activated carbon materials based on waste biomass precursors. We have developed a nanostructured carbon material based on corn-cob biomass via a simple high temperature exfoliation procedure. This exfoliated corn biochar had excellent energy storage performance, demonstrating a capacitance over 100 times higher than natural corn biochar produced without exfoliation treatment. Additionally, high surface area activated carbons from pine cone biomass were synthesized via a two-step carbonization and KOH activation method. These high surface area substrates result in carbon-POM hybrids with further enhanced specific capacitance compared to nanocarbon based materials. The capacitive performance of these different carbon-POM composites will be compared along with a discussion of how our approach can be leveraged to design the optimal hybrid material for different energy storage applications. Figure 1

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,012

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 Opus0,026
Tête enseignante GPT0,266
Écart entre enseignants0,240 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetPolyoxometalates: Synthesis and ApplicationsTravaux en français237 207