MétaCan
Menu
Retour à la cohorte
Enregistrement W2887288776 · doi:10.11159/iccpe18.105

Performance of Zn Electrode in Aqueous Electrolyte Containing Carboxylate

2018· article· en· W2887288776 sur OpenAlexvenueno aff
Jinqing Kan

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueConducting polymers and applications
Établissements canadiensnon disponible
Organismes subventionnairesPriority Academic Program Development of Jiangsu Higher Education InstitutionsYangzhou UniversityNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésCarboxylateElectrolyteElectrodeAqueous solutionInorganic chemistryChemistryMaterials scienceOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Zinc is widely used as negative electrode material for the battery due to its excellent electrochemical properties [1][2].It is hindered that zinc is used in weak acidic electrolyte (for example, aqueous Zn-polyaniline battery [3][4][5][6]) because zinc is prone to corrosion and the formation of zinc dendrite cause short circuit of the battery, which lead to reduce battery capacity and shorten the cycle life.In this paper the influences of carboxylates (sodium formate, sodium acetate, sodium propionate, sodium butyrate, sodium valerate, disodium malonate, disodium succinate) as the additives of aqueous electrolyte on the performance of the Zn electrode are studied.The results show that the new electrolyte can effectively eliminate the hydrogen evolution corrosion of the zinc electrode and improve the discharge capacity and cycle life of Zn/PANI secondary battery.In the aqueous electrolyte containing 0.2M disodium malonate the initial discharge specific capacity of the polyaniline in the Zn-polyaniline battery is as high as 131.1 mAh g -1 , which is still 110 mAh g -1 and the coulombic efficiency is over 92% after 100 cycles at a charge/discharge current density of 1 A g -1 in the voltage range 1.5 ~ 0.7 V.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0020,001
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 Opus0,006
Tête enseignante GPT0,209
Écart entre enseignants0,203 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetConducting polymers and applicationsTravaux en français237 207