MétaCan
Menu
Retour à la cohorte
Enregistrement W2794137082 · doi:10.1002/aenm.201702849

Advanced Phosphorus‐Based Materials for Lithium/Sodium‐Ion Batteries: Recent Developments and Future Perspectives

2018· article· en· W2794137082 sur OpenAlexaff
Yanqing Fu, Qiliang Wei, Gaixia Zhang, Shuhui Sun

Notice bibliographique

RevueAdvanced Energy Materials · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesChina Scholarship Council
Mots-clésAnodeLithium (medication)Materials scienceEnergy storageRenewable energyNanotechnologyElectrochemistryPhosphorusNanoarchitectures for lithium-ion batteriesProcess engineeringElectrical engineeringChemistryEngineeringMetallurgyElectrode

Résumé

récupéré en direct d'OpenAlex

Abstract High‐performance and lost‐cost lithium‐ion and sodium‐ion batteries are highly desirable for a wide range of applications including portable electronic devices, transportation (e.g., electric vehicles, hybrid vehicles, etc.), and renewable energy storage systems. Great research efforts have been devoted to developing alternative anode materials with superior electrochemical properties since the anode materials used are closely related to the capacity and safety characteristics of the batteries. With the theoretical capacity of 2596 mA h g −1 , phosphorus is considered to be the highest capacity anode material for sodium‐ion batteries and one of the most attractive anode materials for lithium‐ion batteries. This work provides a comprehensive study on the most recent advancements in the rational design of phosphorus‐based anode materials for both lithium‐ion and sodium‐ion batteries. The currently available approaches to phosphorus‐based composites along with their merits and challenges are summarized and discussed. Furthermore, some present underpinning issues and future prospects for the further development of advanced phosphorus‐based materials for energy storage/conversion systems are discussed.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,239
Écart entre enseignants0,231 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations256
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207