MétaCan
Menu
Retour à la cohorte
Enregistrement W2514437433 · doi:10.1021/acs.chemmater.6b02726

Methods and Protocols for Electrochemical Energy Storage Materials Research

2016· article· en· W2514437433 sur OpenAlexafffund
Elahe Talaie, Patrick Bonnick, Xiaoqi Sun, Quanquan Pang, Xiao Liang, Linda F. Nazar

Notice bibliographique

RevueChemistry of Materials · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaWaterloo Institute for Nanotechnology, University of WaterlooBASFNatural Resources CanadaU.S. Department of Energy
Mots-clésBattery (electricity)Characterization (materials science)Dielectric spectroscopyElectrochemical energy storageElectrochemistryMaterials scienceElectrochemical cellX-ray photoelectron spectroscopyEnergy storageElectrodeComputer scienceNanotechnologyFabricationAnalytical Chemistry (journal)Chemical engineeringChemistrySupercapacitorPhysical chemistryEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

We present an overview of the procedures and methods to prepare and evaluate materials for electrochemical cells in battery research in our laboratory, including cell fabrication, two- and three-electrode cell studies, and methodology for evaluating diffusion coefficients and impedance measurements. Informative characterization techniques employed to assess new materials for batteries are also described, including operando XRD, pair-distribution function analysis, X-ray photoelectron spectroscopy, and operando X-ray absorption spectroscopy. Examples of insightful information that each technique has provided in the research areas of Li-S, Na-ion, and Mg batteries are presented along with excellent references for detailed descriptions of the theory, experimental procedures, and various designs, as well as methods for data processing and analysis.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0030,001
Communication savante0,0010,002
Science ouverte0,0040,002
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0420,048

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 Opus0,045
Tête enseignante GPT0,390
Écart entre enseignants0,346 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations175
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemistry of MaterialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207