Elemental Sulfur Nanoparticles Chemically Boost the Sodium Storage Performance of MoS<sub>2</sub>/rGO Anodes
Notice bibliographique
Résumé
Abstract The critical role of sulfur nanoparticles in stabilizing MoS2 supported on reduced graphene oxide as anode material for sodium‐ion batteries is discovered. The MoS2 supported on reduced graphene oxide decorated with sulfur particles (∼50 nm) is in‐situ synthesized using an ammonium molybdate/graphene oxide preform and sublimed sulfur through a facile chemical vapor deposition process in a tube furnace with 2 temperature‐controlled zones. Although the sulfur particles show no positive effect when the material is tested as anode for Li‐ion batteries, they significantly improve the Na storage performance in terms of both, total specific capacity and cycle life. A stable high capacity of 580 mAh g−1 and an extremely low capacity fade of 94 μAh g−1 cycle−1 make the designed assembly one of the best‐performing MoS2‐based anode materials for sodium‐ion batteries so far. The post‐cycling analysis reveals that the elemental sulfur nanoparticles play two roles: during the intercalation of Na in‐between the layers of MoS2 (above 1.0 V), they function as blockers and inhibit the aggregation of MoS2; in the conversion reaction stage, the sulfur nanoparticles chemically participate in the Na storage process by forming Na2S5‐rich compounds, which eventually improve the reversibility of the conversion reaction and thereafter the cycling performance.
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) | 0,001 | 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 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 ».