MétaCan
Menu
Retour à la cohorte
Enregistrement W2438336468 · doi:10.1038/srep13310

Self-assembly formation of hollow Ni-Fe-O nanocage architectures by metal-organic frameworks with high-performance lithium storage

2015· article· en· W2438336468 sur OpenAlexaff
Hong Guo, Tingting Li, Weiwei Chen, Lixiang Liu, Jinli Qiao, Jiujun Zhang

Notice bibliographique

RevueScientific Reports · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Key Research and Development Program of ChinaMajor State Basic Research Development Program of ChinaYunnan UniversityNational Natural Science Foundation of China
Mots-clésNanocagesMaterials scienceElectrochemistryPorosityMetal-organic frameworkNanomaterialsLithium (medication)NanotechnologyEnergy storageChemical engineeringElectrodeComposite materialChemistryCatalysisAdsorption

Résumé

récupéré en direct d'OpenAlex

A hollow hybrid Ni-Fe-O nanomaterial (NiFe2O4) is synthesized using a precursor of metal-organic frameworks through a simple and cost-effective method. The unique hollow nanocage structures shorten the length of Li-ion diffusion. The hollow structure offers a sufficient void space, which sufficiently alleviates the mechanical stress caused by volume change. Besides, the hybrid elements allow the volume change to take place in a stepwise manner during electrochemical cycle. And thus, the hierarchical hollow NiFe2O4 nanocage electrode exhibits extraordinary electrochemical performance. The stable cyclic performance is obtained for all rates from 1 C to 10 C. Even when the current reaches 10 C, the capacity can also arrive at 652 mAhg(-1). Subsequently, a specific capacity of ca. 975 mAhg(-1) is recovered when the current rate reduces back to 1 C after 200 cycles. This strategy that derived from NMOFs may shed light on a new route for large-scale synthesis of hollow porous hybrid nanocages for energy storage, environmental remediation and other novel applications.

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,208
Écart entre enseignants0,201 · 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

Citations39
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvancements in Battery MaterialsTravaux en français237 207