MétaCan
Menu
Retour à la cohorte
Enregistrement W2946941686 · doi:10.3390/ma12111770

Recent Progress on Organic Electrodes Materials for Rechargeable Batteries and Supercapacitors

2019· review· en· W2946941686 sur OpenAlexaff
A. Mauger, C. Julien, Andrea Paolella, Michel Armand, Karim Zaghib

Notice bibliographique

RevueMaterials · 2019
Typereview
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensHydro-Québec
Organismes subventionnairesnon disponible
Mots-clésSupercapacitorMaterials scienceLithium (medication)Battery (electricity)Organic radical batteryElectrolyteNanotechnologyEnergy storageElectrodeProcess engineeringEnvironmental scienceElectrochemistryEngineeringPower (physics)Chemistry

Résumé

récupéré en direct d'OpenAlex

Rechargeable batteries are essential elements for many applications, ranging from portable use up to electric vehicles. Among them, lithium-ion batteries have taken an increasing importance in the day life. However, they suffer of several limitations: safety concerns and risks of thermal runaway, cost, and high carbon footprint, starting with the extraction of the transition metals in ores with low metal content. These limitations were the motivation for an intensive research to replace the inorganic electrodes by organic electrodes. Subsequently, the disadvantages that are mentioned above are overcome, but are replaced by new ones, including the solubility of the organic molecules in the electrolytes and lower operational voltage. However, recent progress has been made. The lower voltage, even though it is partly compensated by a larger capacity density, may preclude the use of organic electrodes for electric vehicles, but the very long cycling lives and the fast kinetics reached recently suggest their use in grid storage and regulation, and possibly in hybrid electric vehicles (HEVs). The purpose of this work is to review the different results and strategies that are currently being used to obtain organic electrodes that make them competitive with lithium-ion batteries for such applications.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,047
Tête enseignante GPT0,302
Écart entre enseignants0,256 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations129
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207