Nickel-Seeded Silicon Nanowires Grown on Graphene as Anode Material for Lithium Ion Batteries
Notice bibliographique
Résumé
There is a growing interest for relying on cleaner and more sustainable energy sources due to the negative side-effects of the dominant fossil-fuel based energy storage and conversion systems. Cleaner, electrochemical energy storage through lithium-ion batteries has gained considerable interest and market value for applications such as electric vehicles and renewable energy storage. However, capacity and rate (power) limitations of current lithium-ion battery technology hinder its ability to meet the high energy demands in a competitive and reliable fashion. \n \nSilicon is an element with very high capacity to Li-ion storage although commercially impractical due to its poor stability and rate capabilities. Nevertheless, it has been heavily researched with more novel electrode nanostructures to improve its stability and rate capability. It was found that silicon nanomaterials such as silicon nanowires have inherently higher stability due to mitigation of cracking and higher rate capability due to the short Li-ion diffusion distance. However, electrode compositions based only on silicon nanowires without additional structural features and a high conductive support do not have enough stability and rate capability for successful commercialization. One structural and conductive support of silicon materials studied in literature is graphene. Graphene-based electrodes have been reported as material capable of rapid electron transport enabling new strides in rate capabilities for Li ion batteries. \n \nThis thesis presents a novel electrode nanostructure with a simple, inexpensive, scalable method of silicon nanwire synthesis on graphene nanosheets via nickel catalyst. The research herein shows the different electrode compositions and variables studied to yield the highest achievable capacity, stability and rate capability performance. The carbon coating methodology in addition to enhancing the 3D conductivity of the electrode by replacing typical binders with pyrolyzed polyacrylonitrile provided the highest performance results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».