Decorating Graphene Oxide with Ionic Liquid Nanodroplets: An Approach Leading to Energy-Dense, High-Voltage Supercapacitors
Notice bibliographique
Résumé
A major stumbling block in the development of high energy density graphene-based supercapacitors has been maintaining high ion-accessible surface area combined with high electrode density. Herein, we develop an ionic liquid (IL)–surfactant microemulsion system that is found to facilitate the spontaneous adsorption of IL-filled micelles onto graphene oxide (GO). This adsorption distributes the IL over all available surface area and provides an aqueous formulation that can be slurry cast onto current collectors, leaving behind a dense nanocomposite film of GO/IL/surfactant. By removing the surfactant and reducing the GO through a low-temperature (360 °C) heat treatment, the IL plays a dual role of spacer and electrolyte. We study the effect of IL content and operating temperature on the performance, demonstrating a record high gravimetric capacitance (302 F/g at 1 A/g) for 80 wt % IL composites. At 60 wt % IL, combined high capacitance and bulk density (0.76 g/cm 3 ), yields one of the highest volumetric capacitances (218 F/cm 3, at 1 A/g) ever reported for a high-voltage IL-based supercapacitor. While achieving promising rate performance and cycle-life, the approach also eliminates the long and costly electrolyte imbibition step of cell assembly as the electrolyte is cast directly with the electrode material.
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 ».