MétaCan
Menu
Retour à la cohorte
Enregistrement W2910800626 · doi:10.1002/anie.201813686

Heteroatom‐Doped Porous Carbon Materials with Unprecedented High Volumetric Capacitive Performance

2019· article· en· W2910800626 sur OpenAlexaff
Huile Jin, Xin Feng, Jun Li, Matthew Li, Yuanzhi Xia, Yifei Yuan, Chao Yang, Bin Dai, Zhiqun Lin, Jichang Wang, Jun Lü, Shun Wang

Notice bibliographique

RevueAngewandte Chemie International Edition · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensUniversity of WindsorUniversity of Waterloo
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHeteroatomMaterials scienceDopingPorosityCapacitive sensingCarbon fibersNanotechnologyComposite materialOptoelectronicsEngineeringElectrical engineeringChemistryOrganic chemistryComposite number

Résumé

récupéré en direct d'OpenAlex

Abstract The design of carbon‐based materials with a high mass density and large porosity has always been a challenging goal, since they fulfill the demands of next‐generation supercapacitors and other electrochemical devices. We report a new class of high‐density heteroatom‐doped porous carbon that can be used as an aqueous‐based supercapacitor material. The material was synthesized by an in situ dehalogenation reaction between a halogenated conjugated diene and nitrogen‐containing nucleophiles. Under the given conditions, pyridinium salts can only continue to perform the dehalogenation if there is residue water remaining from the starting materials. The obtained carbon materials are highly doped by various heteroatoms, leading to high densities, abundant multimodal pores, and an excellent volumetric capacitive performance. Porous carbon tri‐doped with nitrogen, phosphorous, and oxygen exhibits a high packing density (2.13 g cm−3) and an exceptional volumetric energy density (36.8 Wh L−1) in alkaline electrolytes, making it competitive to even some Ni‐MH cells.

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)0,0000,000
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,212
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

Citations232
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetSupercapacitor Materials and FabricationTravaux en français237 207