Arsenic for high-capacity lithium- and sodium-ion batteries
Notice bibliographique
Résumé
We report arsenic (As) as a promising alternative to graphite anode materials in lithium- and sodium-ion batteries (LIBs and SIBs). The electrochemical properties of the As/carbon nanocomposite for both LIBs and SIBs were investigated using experimental and theoretical approaches. The LIBs showed excellent cycling performance, with a reversible capacity of 1306 mA h g-1 (after 100 cycles), which is much higher than that of Li3As (1072 mA h g-1). In the corresponding SIBs, the measured reversible capacity was 750 mA h g-1 (after 200 cycles), which is lower than that of Na3As. Extensive first-principles calculations were performed employing a structure prediction method for crystalline LixAs and NaxAs (x = 1-6) phases, as well as ab initio molecular dynamics simulations for their amorphous phases. In good agreement with the experimental LIB data, our calculations successfully predict the discharge capacity versus voltage curves, showing that the capacity of the amorphous phase reaches up to that of Li4As. In contrast, the SIB exhibited difficulty in reaching the predicted capacity (x = 3.5), probably due to significant volume expansion. Comparison of the theoretical discharge curves with the experimental data provides valuable information for the development of high-performance LIBs and SIBs.
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) | 0,002 | 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; 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 ».