MétaCan
Menu
Retour à la cohorte
Enregistrement W2522178597 · doi:10.1038/srep33590

Self-assembly formation of Bi-functional Co3O4/MnO2-CNTs hybrid catalysts for achieving both high energy/power density and cyclic ability of rechargeable zinc-air battery

2016· article· en· W2522178597 sur OpenAlexaff
Nengneng Xu, Yuyu Liu, Xia Zhang, Xuemei Li, Aijun Li, Jinli Qiao, Jiujun Zhang

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensNational Research Council Canada
Organismes subventionnairesScience and Technology Commission of Shanghai MunicipalityDonghua UniversityNational Natural Science Foundation of China
Mots-clésMaterials scienceBattery (electricity)CatalysisElectrolytePower densityCarbon nanotubeChemical engineeringHydrothermal circulationElectrodeNanotechnologyPower (physics)ChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

α-MnO2 nanotubes-supported Co3O4 (Co3O4/MnO2) and its carbon nanotubes (CNTs)-hybrids (Co3O4/MnO2-CNTs) have been successfully developed through a facile two-pot precipitation reaction and hydrothermal process, which exhibit the superior bi-functional catalytic activity for both ORR and OER. The high performance is believed to be induced by the hybrid effect among MnO2 nanotubes, hollow Co3O4 and CNTs, which can produce a synergetic enhancement. When integrated into the practical primary and electrochemically rechargeable Zn-air batteries, such a hybrid catalyst can give a discharge peak power density as high as 450 mW cm(-2). At 1.0 V of cell voltage, a current density of 324 mA cm(-2) is achieved. This performance is superior to all reported non-precious metal catalysts in literature for zinc-air batteries and significantly outperforms the state-of-the-art platinum-based catalyst. Particularly, the rechargeable Zn-air battery can be fabricated into all-solid-state one through a simple solid-state approach, which exhibits an excellent peak power density of 62 mW cm(-2), and the charge and discharge potentials remain virtually unchanged during the overall cycles, which is comparable to the one with liquid electrolyte.

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)0,0010,000
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,227
Écart entre enseignants0,215 · 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

Citations74
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvanced battery technologies researchTravaux en français237 207