Anion Vacancies Regulating Endows MoSSe with Fast and Stable Potassium Ion Storage
Notice bibliographique
Résumé
Vacancy engineering is a promising approach for optimizing the energy storage performance of transition metal dichalcogenides (TMDs) due to the unique properties of vacancies in manipulating the electronic structure and active sites. Nevertheless, achieving effective introduction of anion vacancies with adjustable vacancy concentration on a large scale is still a big challenge. Herein, MoS 2(1– x ) Se 2 x alloys with anion vacancies introduced in situ have been achieved by a simple alloying reaction, and the vacancy concentration has been optimized through adjusting the chemical composition. Experimental and density functional theory calculation results suggest that the anion vacancies in MoS 2(1– x ) Se 2 x alloys could enhance the electronic conductivity, induce more active sites, and alleviate structural variation in the alloys during the potassium storage process. When applied as potassium ion battery anodes, the most optimized vacancy-rich MoSSe alloy delivered high reversible capacities of 517.4 and 362.4 mAh g –1 at 100 and 1000 mA g –1, respectively. Moreover, a reversible capacity of 220.5 mAh g –1 could be maintained at 2000 mA g –1 after 1000 cycles. This work demonstrates a practical approach to modifying the electronic and defect properties of TMDs, providing an effective strategy for constructing advanced electrode materials for battery systems.
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 ».