Production and Characterization of Metal Oxide Loaded Reduced Graphene Oxide Nanocomposites
Notice bibliographique
Résumé
Graphene-based nanocomposite structures have recently attracted considerable attention as advanced materials due to excellent properties of graphene.Graphene plays an important role as a conducting flexible substrate to host active nanomaterials especially for energy applications with its two-dimensional carbon structure [1].Outstanding materials produced with reduced graphene oxide (rGO) by loading metal oxide nanoparticles are especially used as electrodes for Liion batteries.As known, Li-ion batteries are one of the most important energy storage devices due to its high energy density, high power density, long cycle life and environmental friendliness [2].Compared to other battery types, Li-ion batteries are currently used in many devices such as portable electronics, laptop computers and cellular phones due to their higher energy density [3].SiO2 has been considered as one of the promising materials thanks to its low discharge potentials, abundancy and low cost [4].Also, ZnO is a promising anode material for lithium ion batteries due to its high theoretical capacity, which is nearly three times that of the currently used graphite anode [5].In this work, for Li-ion batteries, ZnO-SiO2-reduced graphene oxide (rGO) nanocomposite was produced as anode material.Firstly, graphite oxide was produced from graphite via Hummer's method.Then, SiO2 and ZnO nanoparticles were added to aqueous graphite oxide suspension and ultrasonicated for 1 hour.Afterwards, via vacuum filtration, this suspension was filtrated, and reduction process was applied in hydrazine solution.Consequently, free-standing ZnO-SiO2-rGO nanocomposite papers were obtained.Produced nanocomposites were characterized by field emission scanning electron microscopy (FESEM), energy dispersive X-ray spectrometer (EDS) and X-ray diffraction (XRD) analyses.Optical properties of ZnO-SiO2-rGO nanocomposites were investigated via Fourier transform infrared spectroscopy (FT-IR).
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 | 0,001 | 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 ».