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 LiO 2 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‐Fe 2 O 3 nanoseeds and carbon nanotubes (CNT) is presented, which achieves excellent cycling stability on deep (dis)charge with high capacity. The initial capacity of Fe 2 O 3 /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 Li 2 O 2 indicates preferential Li 2 O 2 growth on the Fe 2 O 3 . The similar d ‐ spacing of the (100) Li 2 O 2 and (104) Fe 2 O 3 planes suggest that the latter epitaxially induces Li 2 O 2 nucleation. This results in larger Li 2 O 2 primary crystallites and smaller secondary particles compared to that deposited on CNT, which enhances the reversibility of the Li 2 O 2 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 LiO 2 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».