MétaCan
Menu
Retour à la cohorte
Enregistrement W2767595407 · doi:10.3390/en10111844

Novel Carbon Materials in the Cathode Formulation for High Rate Rechargeable Hybrid Aqueous Batteries

2017· article· en· W2767595407 sur OpenAlexafffund
Xiao Zhu, Tuan K.A. Hoang, Pu Chen

Notice bibliographique

RevueEnergies · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaMitacsCanada Research Chairs
Mots-clésCathodeGrapheneBattery (electricity)Materials scienceAqueous solutionCarbon nanotubeConductivityCarbon fibersChemical engineeringPorosityElectrical conductorNanotechnologyComposite materialComposite numberChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Novel carbon materials, carbon nanotubes (CNTs) and porous graphene (PG), were exploited and used as conductive additives to improve the rate performance of LiMn2O4 cathode for the rechargeable aqueous Zn/LiMn2O4 battery, namely the rechargeable hybrid aqueous battery (ReHAB). Thanks to the long-range conductivity and stable conductive network provided by CNTs, the rate and cycling performances of LiMn2O4 cathode in ReHAB are highly improved—up to about 100 mAh·g−1 capacity is observed at 10 C (1 C = 120 mAh·g−1). Except for CNTs, porous graphene (PG) with a high surface area, an abundant porous structure, and an excellent electrical conductivity facilitates the transportation of Li ions and electrons, which can also obviously enhance the rate capability of the ReHAB. This is important because the ReHAB could be charged/discharged in a few minutes, and this leads to potential application of the ReHAB in automobile industry.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,013
Score d'incertitude au seuil0,437

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,239
Écart entre enseignants0,217 · 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.

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

Citations10
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207