MétaCan
Menu
Retour à la cohorte
Enregistrement W2803107502 · doi:10.1002/aelm.201800092

Direct Semiconductor Laser Writing of Few‐Layer Graphene Polyhedra Networks for Flexible Solid‐State Supercapacitor

2018· article· en· W2803107502 sur OpenAlexaff
Chunlin Liu, Hongwei Liang, Dun Wu, Xiangyu Lu, Qiang Wang

Notice bibliographique

RevueAdvanced Electronic Materials · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesPriority Academic Program Development of Jiangsu Higher Education Institutions
Mots-clésMaterials scienceSupercapacitorGrapheneElectrolyteCapacitanceNanotechnologySemiconductorCarbon fibersLaser ablationPolymerChemical engineeringHeteroatomOptoelectronicsElectrodeLaserComposite materialOpticsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Here, a simple one‐step fabrication methodology is presented for continuous heteroatoms‐doped carbon polyhedra networks via direct semiconductor laser writing on polyimide sheets. It is found that these nanosized polyhedra are nonporous solids and comprised of few‐layer graphene. By the adoption of lithium containing polymer gel electrolyte, flexible solid‐state supercapacitors are designed and assembled in planar and interdigitated configuration with the irradiated plastic sheets as electrodes. When compared to their counterparts with the acid gel electrolyte, they exhibit high areal specific capacitance up to 34.7 mF cm−2 (vs ≈8 mF cm−2) at the current density of 0.1 mA cm−2. This substantial enhancement is considered to be due to the combination of Faradaic intercalation and non‐Faradaic absorption of the Li‐ions at the carbon polyhedra membrane electrodes. With the improvement of energy density, the complex of supercapacitor device is capable of lighting the liquid crystal display of a commercial hygrometer for ≈1 min.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,275
Écart entre enseignants0,260 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations34
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Electronic MaterialsMême sujetSupercapacitor Materials and FabricationTravaux en français237 207