Facile Preparation of Self-Standing Hierarchical Porous Nitrogen-Doped Carbon Fibers for Supercapacitors from Plant Protein–Lignin Electrospun Fibers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This research aims to develop self-standing nitrogen-doped carbon fiber networks from plant protein-lignin electrospun fibrous mats for supercapacitors. The challenge in preparing carbon fiber from protein is to maintain a fibrous structure during carbonization process. Thus, lignin was incorporated with protein. At protein-to-lignin ratio of 50:50 to 20:80, the electrospun fibers maintained their structure after carbonization and formed self-standing carbon fiber mats. Stacked graphene layer structure was developed in the carbon fibers at a relatively low carbonization temperature (<1000 °C) without the use of catalysts, which might be derived from both lignin and protein. Graphene layer structure conferred the carbon fibers with superior conductivity. The optimized carbon fiber networks possessed excellent capacitance performance in 6 M KOH of 410 F/g at 1 A/g and good cyclic stability. Such good electrochemical properties were due to the well-engineered characteristics of the materials, including a hierarchical porous texture, heteroatoms (nitrogen and oxygen), and the stacked graphene layer structure. This research not only has provided a convenient way to develop carbon fibers from plant protein-lignin for N-doped supercapacitor electrodes, but also opportunity to add value to plant proteins and lignin as by-products of agricultural industry processing.
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.
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 | 0,000 | 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) | 0,000 | 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 découle