MétaCan
Menu
Retour à la cohorte
Enregistrement W2786258485 · doi:10.1021/acsaem.7b00227

Scalable Fabrication of Supercapacitors by Nozzle-Free Electrospinning

2018· article· en· W2786258485 sur OpenAlexaff
Kai Shi, Konstantinos P. Giapis

Notice bibliographique

RevueACS Applied Energy Materials · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensNational Research Council Canada
Organismes subventionnairesAdvanced Research Projects AgencyAdvanced Research Projects Agency - EnergyCalifornia Institute of TechnologySmall Business Innovative Research and Small Business Technology TransferU.S. Department of Energy
Mots-clésElectrospinningSupercapacitorMaterials scienceNanofiberFabricationPolyvinylpyrrolidoneElectrodeCapacitanceNozzleComposite materialHorizontal scan rateCarbon nanotubeCarbon nanofiberEnergy storageNanotechnologyElectrochemistryPolymer chemistryPolymerCyclic voltammetryChemistry

Résumé

récupéré en direct d'OpenAlex

Nozzle-free electrospinning was investigated as a facile technique for producing nanoscale materials for supercapacitors. MnO 2 nanofibers and their composites with multiwalled carbon nanotubes (MWCNTs) were synthesized in a single step, using polyvinylpyrrolidone (PVP) and Mn(CH 3 COO) 2 ·4H 2 O as starting materials, followed up by heat treatment in ambient air. Nanofibers of relatively uniform diameter were produced at high rates. The nanofibers exhibited good electrical contact between MnO 2 and MWCNT without degradation, which was attributed to the improved stability of MWCNTs in PVP solutions. Electrochemical testing of the composites demonstrated a high capacitance of 1.43 F cm –2 at a scan rate of 100 mV s –1 in the three-electrode tests. Electrodes and devices produced by nozzle-free electrospinning are promising for practical energy storage applications.

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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,205 · 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

Citations30
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Energy MaterialsMême sujetSupercapacitor Materials and FabricationTravaux en français237 207