MétaCan
Menu
Retour à la cohorte
Enregistrement W2611964108 · doi:10.1002/ente.201700225

Reconciled Nanoarchitecture with Overlapped 2 D Anatomy for High‐Energy Hybrid Supercapacitors

2017· article· en· W2611964108 sur OpenAlexafffund
Salah Abureden, Fathy M. Hassan, Aiping Yu, Zhongwei Chen

Notice bibliographique

RevueEnergy Technology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSupercapacitorMaterials scienceNanotechnologyChemistryElectrochemistryElectrodePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A unique and novel, flower bouquet‐like, vanadium disulfide (VS 2 ) nanosheet structure with very small prominent VS 2 nanoparticles (10–25 nm) anchored on the surface of graphene nanosheets (VS 2 /G) was synthesized by a facile solvothermal method. The material showed superior electrochemical performance upon testing as a supercapacitor and achieved specific capacitance values of 211 and 135 F g −1 at current densities of 1 and 20 A g −1 , respectively, with 97 % capacitance retention after 8000 cycles at 5 A g −1 with high coulombic efficiency. The material was used to fabricate a full‐cell hybrid supercapacitor (HSC), which showed a specific capacitance of 132 F g −1 at a current density of 1 A g −1 with remarkable cyclability up to 8000 cycles at 5 A g −1 and a loss of less than 1×10 −4 F cycle −1 . The HSC demonstrated an excellent energy density of 46.93 Wh kg −1 at a power density of 0.91 kW kg −1 and retained a high energy density of 23.11 Wh kg −1 even upon increasing the power density tenfold (9.40 kW kg −1 ). This unique material synthesized by a simple method is a very promising candidate for next‐generation energy‐storage technologies that can fill the gap between batteries and supercapacitor devices.

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 seuil0,005

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 Opus0,006
Tête enseignante GPT0,213
Écart entre enseignants0,208 · 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

Citations5
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy TechnologyMême sujetAdvancements in Battery MaterialsTravaux en français237 207