High Substitution Rate in TiO<sub>2</sub> Anatase Nanoparticles with Cationic Vacancies for Fast Lithium Storage
Notice bibliographique
Résumé
Doping is generally used to tune and enhance the properties of metal oxides. However, their chemical composition cannot be readily modified beyond low dopant amounts without disrupting the crystalline atomic structure. In the case of anatase TiO 2, we introduce a new solution-based chemical route allowing the composition to be significantly modified, substituting the divalent O 2– anions by monovalent F – and OH – anions resulting in the formation of cationic Ti 4+ vacancies (□) whose concentration can be controlled by the reaction temperature. The resulting polyanionic anatase has the general composition Ti 1– x – y □ x + y O 2–4( x + y ) F 4 x (OH) 4 y, reaching vacancy concentrations of up to 22%, i.e., Ti 0.78 □ 0.22 O 1.12 F 0.4 (OH) 0.48 . Solid-state 19 F NMR spectroscopy reveals that fluoride ions can accommodate up to three different environments, depending on Ti and vacancies (i.e. Ti 3 -F, Ti 2 □ 1 -F, and Ti 1 □ 2 -F), with a preferential location close to vacancies. DFT calculations further confirm the fluoride/vacancy ordering. When its characteristics were evaluated as an electrode for reversible Li-ion storage, the material shows a modified lithium reaction mechanism, which has been rationalized by the occurrence of cationic vacancies acting as additional lithium hosting sites within the anatase framework. Finally, the material shows a fast discharging/charging behavior, compared to TiO 2, highlighting the benefits of the structural modifications and paving the way for the design of advanced electrode materials, based on a defect mediated mechanism.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».