Surface Treatments for Controlling Solid Electrolyte Interphase Formation on Sn/Graphene Composite Anodes for High-Performance Li-Ion Batteries
Notice bibliographique
Résumé
Sn is a candidate anode material for high energy density Li-ion batteries, owing to its high specific capacity, low cost, and high electronic conductivity, but its practical applications are hindered by mechanical degradation induced by the large volume change during cycling. Graphene can be used as a buffer material for Sn volume expansion while also improving mechanical strength and electronic conductivity of the composite structure. We report here the synthesis of a composite of Sn nanoparticles and graphene through surface functionalization of graphene using diazonium grafting and subsequent Sn nanoparticle deposition. We further applied two types of surface treatments on the anode surface to improve the nucleation of the solid electrolyte interphase, which is formed due to the reduction of the electrolyte solution. These treatments include refunctionalizing the anode surface with graphene oxide sheets or sulfophenyl groups, which provide ample sites on the anode surface for the nucleation of the solid electrolyte interphase. These treatments result in the formation of a stable layer of solid electrolyte interphase, as evidenced from lower and stable charge transfer resistance at the anode interface during cycling. The anodes treated with layers of graphene oxide and sulfophenyl groups delivered reversible capacities which were 39% and 85% higher than the untreated anode. We related the enhanced electrochemical performance of the treated anodes to the formation of a stable solid electrolyte interphase layer.
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) | 0,001 | 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) | 0,001 | 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 ».