MétaCan
Menu
Retour à la cohorte
Enregistrement W2605014117 · doi:10.1021/acs.chemmater.6b05356

γ-Fe<sub>2</sub>O<sub>3</sub>@CNTs Anode Materials for Lithium Ion Batteries Investigated by Electron Energy Loss Spectroscopy

2017· article· en· W2605014117 sur OpenAlexaff
Xiaoxin Lv, Jiujun Deng, Biqiong Wang, Jun Zhong, Tsun‐Kong Sham, Xuhui Sun, Xueliang Sun

Notice bibliographique

RevueChemistry of Materials · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensWestern University
Organismes subventionnairesPriority Academic Program Development of Jiangsu Higher Education InstitutionsGovernment of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésAnodeMaterials scienceLithium (medication)Carbon nanotubeChemical engineeringCapacity lossMaghemiteEnergy storageElectron energy loss spectroscopyComposite numberIonElectrodeSpectroscopyCurrent densityNanotechnologyNanoparticleComposite materialTransmission electron microscopyChemistry

Résumé

récupéré en direct d'OpenAlex

Atomic layer deposition was employed to deposit maghemite (γ-Fe 2 O 3 ) nanoparticles on carbon nanotubes (CNTs) to prepare the γ-Fe 2 O 3 @CNTs composites, which exhibit a superior lithium storage performance as the anode of lithium ion batteries (LIBs). The high reversible capacity of 859.7 mA h/g was observed after 400 cycles at a current density of 500 mA/g. Even at the high current density of 10000 mA/g, the specific cyclic capacity of 464.4 mA h/g can still be obtained. Furthermore, electron energy loss spectroscopy results reveal that the Fe chemical state plays a critical role in the evolution of the capacity of γ-Fe 2 O 3 @CNTs composite anodes during the cycling process. The incomplete conversion of the chemical state in γ-Fe 2 O 3 reduces the capacity, while the recovery of the chemical state of γ-Fe 2 O 3 during the cycling process may cause the increase in capacity. This work provides insight into understanding the detailed working mechanism of transition metal oxides in LIBs, which helps in the design of electrode materials with promising lithium storage performance.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,010
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,220 · 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

Citations83
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemistry of MaterialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207