MétaCan
Menu
Retour à la cohorte
Enregistrement W2771473781 · doi:10.1002/aenm.201702381

3D Porous Carbon Sheets with Multidirectional Ion Pathways for Fast and Durable Lithium–Sulfur Batteries

2017· article· en· W2771473781 sur OpenAlexafffund
Gaoran Li, Wen Lei, Dan Luo, Ya‐Ping Deng, Deli Wang, Zhongwei Chen

Notice bibliographique

RevueAdvanced Energy Materials · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship CouncilUniversity of WaterlooNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésPolysulfideMaterials scienceSulfurPorosityElectrochemistryCarbon fibersLithium (medication)NanotechnologyEnergy storageIonElectrodeFaraday efficiencyChemical engineeringElectrolyteComposite materialOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, unique porous carbon sheets (PCSs) are developed via a facile synthesis. The obtained PCS delivers long‐range conductive framework, abundant active interfaces, rich element doping, and notably a high inner porosity that builds up an admirable 3D network for multidirectional ion transfer. Such unique architecture and surface chemistry enable ultrafast sulfur electrochemistry as well as high‐efficiency inhibition on polysulfide shuttling via the dually physical and chemical sulfur confinement. The PCS‐based sulfur electrodes achieve superb rate capability up to 10 C, outstanding cyclability over 1000 cycles, and high areal capacity of 4.8 mA h cm−2. This work offers an appealing model of material engineering for fast and reliable lithium–sulfur batteries, as well as guidance for rational structural design in extended energy storage and conversion systems.

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 seuil0,003

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 Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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

Citations221
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207