MétaCan
Menu
Retour à la cohorte
Enregistrement W2536412347 · doi:10.1021/acs.chemmater.6b02947

Ordered, Scalable Heterostructure Comprising Boron Nitride and Graphene for High-Performance Flexible Supercapacitors

2016· article· en· W2536412347 sur OpenAlexfundno aff
Segi Byun, Joon Hui Kim, Sung Ho Song, Min‐Ku Lee, Jin Ju Park, Gyoungja Lee, Soon Hyung Hong, Dongju Lee

Notice bibliographique

RevueChemistry of Materials · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensnon disponible
Organismes subventionnairesBayer CanadaKorea Atomic Energy Research InstituteMinistry of Science, ICT and Future Planning
Mots-clésSupercapacitorGrapheneMaterials scienceHeterojunctionFabricationNanotechnologyBoron nitrideCapacitancePseudocapacitanceScalabilityElectrodeElectronicsOptoelectronicsComputer scienceElectrical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Heterostructures based on combining two-dimensional (2D) crystals in one stack have unusual physical properties and allow the creation of novel devices. Although this method of mechanically transferring individual 2D crystals is required for precise control, it is not scalable. Large-scale fabrication of heterostructures remains a key challenge for practical applications. Here, we provide a simple solution-based method using electrostatic interaction assembly of boron nitride (h-BN) and graphene to produce hybrid films with van der Waals heterostructures. The hybrid films prepared by this fabrication method tend to be alternately stacked and provide compact structured films. For a potential application, the h-BN/graphene hybrid films are fabricated supercapacitor’s electrodes revealing high volumetric capacitance, superior rate capability, a permanent life cycle, and high flexibility due to their synergistic effects. We anticipate that the hybrid films are useful as scalable flexible electrodes in supercapacitors, and our solution-based method has great potential for application in energy storage and electronics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,003
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,219
Écart entre enseignants0,206 · 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 tête enseignante, pas un consensus.

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

Citations73
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemistry of MaterialsMême sujetSupercapacitor Materials and FabricationTravaux en français237 207