MétaCan
Menu
Retour à la cohorte
Enregistrement W2803247784 · doi:10.1002/cssc.201800852

Utilizing Waste Thermocol Sheets and Rusted Iron Wires to Fabricate Carbon–Fe<sub>3</sub>O<sub>4</sub> Nanocomposite‐Based Supercapacitors: Turning Wastes into Value‐Added Materials

2018· article· en· W2803247784 sur OpenAlexafffund
Madagonda M. Vadiyar, Xudong Liu, Zhibin Ye

Notice bibliographique

RevueChemSusChem · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensConcordia UniversityLaurentian University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésSupercapacitorCapacitanceMaterials scienceNanocompositeElectrodeChemical engineeringCarbon fibersNanoparticleFabricationCarbon nanotubeNanotechnologyComposite numberComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The synthesis of porous activated carbon (specific surface area=1883 m2 g−1), Fe3O4 nanoparticles, and carbon–Fe3O4 (C−Fe3O4) nanocomposites from local waste thermocol sheets and rusted iron wires is demonstrated herein. The resulting carbon, Fe3O4 nanoparticles, and C−Fe3O4 composites are used as electrode materials for supercapacitor applications. In particular, C−Fe3O4 composite electrodes exhibit a high specific capacitance of 1375 F g−1 at 1 A g−1 and longer cyclic stability with 98 % capacitance retention over 10 000 cycles. Subsequently, an asymmetric supercapacitor, namely, C−Fe3O4∥Ni(OH)2/carbon nanotube device, exhibits a high energy density of 91.1 Wh kg−1 and a remarkable cyclic stability, with 98 % capacitance retention over 10 000 cycles. Thus, this work has important implications not only for the fabrication of low‐cost electrodes for high‐performance supercapacitors, but also for the recycling of waste thermocol sheets and rusted iron wires for value‐added reuse.

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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,000

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 GPT0,234
Écart entre enseignants0,218 · 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

Citations38
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemSusChemMême sujetSupercapacitor Materials and FabricationTravaux en français237 207