Defect Engineering of Chalcogen‐Tailored Oxygen Electrocatalysts for Rechargeable Quasi‐Solid‐State Zinc–Air Batteries
Notice bibliographique
Résumé
A critical bottleneck limiting the performance of rechargeable zinc–air batteries lies in the inefficient bifunctional electrocatalysts for the oxygen reduction and evolution reactions at the air electrodes. Hybridizing transition‐metal oxides with functional graphene materials has shown great advantages due to their catalytic synergism. However, both the mediocre catalytic activity of metal oxides and the restricted 2D mass/charge transfer of graphene render these hybrid catalysts inefficient. Here, an effective strategy combining anion substitution, defect engineering, and the dopant effect to address the above two critical issues is shown. This strategy is demonstrated on a hybrid catalyst consisting of sulfur‐deficient cobalt oxysulfide single crystals and nitrogen‐doped graphene nanomeshes (CoO0.87S0.13/GN). The defect chemistries of both oxygen‐vacancy‐rich, nonstoichiometric cobalt oxysulfides and edge‐nitrogen‐rich graphene nanomeshes lead to a remarkable improvement in electrocatalytic performance, where CoO0.87S0.13/GN exhibits strongly comparable catalytic activity to and much better stability than the best‐known benchmark noble‐metal catalysts. In application to quasi‐solid‐state zinc–air batteries, CoO0.87S0.13/GN as a freestanding catalyst assembly benefits from both structural integrity and enhanced charge transfer to achieve efficient and very stable cycling operation over 300 cycles with a low discharge–charge voltage gap of 0.77 V at 20 mA cm−2 under ambient conditions.
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) | 0,000 | 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 ».