Fe<sub>2</sub>O<sub>3</sub> Nanoparticle Seed Catalysts Enhance Cyclability on Deep (Dis)charge in Aprotic LiO<sub>2</sub> Batteries
Notice bibliographique
Résumé
Abstract Although the high energy density of LiO2 chemistry is promising for vehicle electrification, the poor stability and parasitic reactions associated with carbon‐based cathodes and the insulating nature of discharge products limit their rechargeability and energy density. In this study, a cathode material consisting of α‐Fe2O3 nanoseeds and carbon nanotubes (CNT) is presented, which achieves excellent cycling stability on deep (dis)charge with high capacity. The initial capacity of Fe2O3/CNT electrode reaches 805 mA h g−1 (0.7 mA h cm−2) at 0.2 mA cm−2, while maintaining a capacity of 1098 mA h g−1 (0.95 mA h cm−2) after 50 cycles. The operando structural, spectroscopic, and morphological analysis on the evolution of Li2O2 indicates preferential Li2O2 growth on the Fe2O3. The similar d‐spacing of the (100) Li2O2 and (104) Fe2O3 planes suggest that the latter epitaxially induces Li2O2 nucleation. This results in larger Li2O2 primary crystallites and smaller secondary particles compared to that deposited on CNT, which enhances the reversibility of the Li2O2 formation and leads to more stable interfaces within the electrode. The mechanistic insights into dual‐functional materials that act both as stable host substrates and promote redox reactions in LiO2 batteries represent new opportunities for optimizing the discharge product morphology, leading to high cycling stability and coulombic efficiency.
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) | 0,001 | 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 ».