Facile Approach for Synthesizing High-Performance MnO/C Electrodes from Rice Husk
Notice bibliographique
Résumé
Abstract Pyrolysis is an effective way to convert biomass into biofuel while obtaining highly porous active carbon materials. In this study, a facile approach, involving hydrothermal and pyrolysis steps, is described for preparing hybrid metal oxide nanoparticle-embedded porous hard carbon matrices (MnO/C) from the biowaste rice husk and organometallic precursors. It was found that the pyrolysis/calcination temperature had a strong influence over the microstructure, especially over the porosity, but also over the carbon content and crystallinity of the nanocomposites; hence, the electrical properties can be controlled. Galvanostatic measurements showed that the nanocomposite obtained at 600 °C exhibited the highest charge/discharge capacity and best stability, delivering an initial discharge capacity of 1104 mA·h·g–1 at a current density of 200 mA·g–1, and retaining a value of 830 mA·h·g–1 after 200 cycles, suggesting excellent cycle stability. A discharge capacity of 581 mA·h·g–1 was obtained even at a current density as high as 2400 mA·g–1, demonstrating superb rate capability. This outstanding electrochemical performance, ascribed to high electrochemical activity of the embedded MnO nanoparticles enhanced by electrical conductivity provided through the high surface area of the active porous carbon support, is discussed in relation to the microstructure of the nanocomposite.
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 | 0,001 |
| 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 ».