MétaCan
Menu
Retour à la cohorte
Enregistrement W2547701719 · doi:10.1021/acsami.6b12080

Carbon-Coated Silicon Nanowires on Carbon Fabric as Self-Supported Electrodes for Flexible Lithium-Ion Batteries

2016· article· en· W2547701719 sur OpenAlexafffund
Xiaolei Wang, Ge Li, Min Ho Seo, Gregory Lui, Fathy M. Hassan, Kun Feng, Xingcheng Xiao, Zhongwei Chen

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesWaterloo Institute for Nanotechnology, University of WaterlooVehicle Technologies ProgramNatural Sciences and Engineering Research Council of CanadaUniversity of WaterlooGeneral Motors Corporation
Mots-clésMaterials scienceLithium (medication)ElectrodeCarbon fibersSiliconNanotechnologySilicon nanowiresNanowireIonNanoarchitectures for lithium-ion batteriesElectrochemistryChemical engineeringOptoelectronicsComposite materialComposite numberOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A novel self-supported electrode with long cycling life and high mass loading was developed based on carbon-coated Si nanowires grown in situ on highly conductive and flexible carbon fabric substrates through a nickel-catalyzed one-pot atmospheric pressure chemical vapor deposition. The high-quality carbon coated Si nanowires resulted in high reversible specific capacity (∼3500 mA h g –1 at 100 mA g –1 ), while the three-dimensional electrode’s unique architecture leads to a significantly improved robustness and a high degree of electrode stability. An exceptionally long cyclability with a capacity retention of ∼66% over 500 cycles at 1.0 A g –1 was achieved. The controllable high mass loading enables an electrode with extremely high areal capacity of ∼5.0 mA h cm –2 . Such a scalable electrode fabrication technology and the high-performance electrodes hold great promise in future practical applications in high energy density lithium-ion batteries.

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)0,0000,000
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 Opus0,011
Tête enseignante GPT0,238
Écart entre enseignants0,228 · 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

Citations118
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetAdvancements in Battery MaterialsTravaux en français237 207