Hierarchical Carbon Nanosheet Arrays for Lithium Metal Batteries and Electrochemical Water Splitting
Notice bibliographique
Résumé
With the highest theoretical capacity and lowest electrochemical potential, lithium (Li) metal is considered as the ideal anode for Li-ion based battery.[1] Unfortunately, the practical application of Li metal battery has been hindered by the growth of dendritic crystals, infinite volume changes, and high reactivity of lithium metal during battery charging and discharging.[2] Despite previous progress, it is still highly needed to develop efficient lithium host to solve aforementioned problems. Electrochemical water splitting, namely hydrogen evolution reaction (HER) and oxygen evolution reaction (OER) has been under intense research.[3] This is because hydrogen is the cleanest fuel and thus considered as the major fuel for future use. Electrochemical HER and OER are sluggish which requires the use of catalysts to boost the reaction rate. However, the best catalysts for HER and OER are still based on noble metals such as Pt and Ir/Ru, which are too expensive to be afforded widely. Developing low-cost, earth-abundant, highly efficient and stable bifunctional catalyst for overall water splitting is highly required but remains challenging.[4] In the past decades, hierarchical arrays have been widely used for energy storage and conversion devices due to the highly exposed surface, fast transportation of ions and matter, intimate contact between current collector and active materials.[5-6] Nevertheless, the report on hierarchical carbon arrays remains rare. Herein, we develope a general method for coating of hierarchical carbon nanosheet arrays on substrates for lithium metal battery and water splitting. For the lithium metal battery part, hierarchical nanosheet arrays are grown onto Cu foil by the self-assembly of polymer, which was converted to carbon arrays after carbonization. Owing to the hierarchical carbon arrays, highly exposed surface area, and electroactive nitrogen dopants, the hierarchical carbon-coated Cu foil can facilitate the growth of horizontal lithium crystals, inhibiting lithium dendrites growth, and thus manifesting high Coulombic efficiency of >98% in ether electrolyte and >90% in carbonate electrolyte as well as long-cycling stability for 500 cycles. As for water splitting, hierarchical polymer nanosheets are grown on Ni-Mo-containing arrays which grow onto Ni foam, which was converted by carburization to Ni-Mo2C-carbon hybrid arrays with high activity and stability for both HER and OER. The catalyst, acting as both cathode and anode, requires only 1.61 V to generate a current density of 10 mA cm-2 towards overall water splitting and the activity can be maintained for more than 150 h. References: (1) Lin, D.; Liu, Y.; Cui, Y. Nature Nanotechnology 2017, 12, 194. (2) Xie, J.; Christensen, J.; Cui, Y, et al.Science Advances 2018, 4. (3) Zhu, C.; Zhang, H.; Fan, H. J. et al Adv. Mater. 2018, 30, 1705516. (4) Zhu, Y. P.; Ma, T. Y.; Jaroniec, M.; Qiao, S. Z., Angew. Chem. Int. Ed. 2017, 56, 1324-1328. (5) Fang, M.; Dong, G. F.; Wei, R. J.; Ho, J. C. Adv. Energy Mater. 2017, 7, 1700559 (6) Zhou, L. M.; Zhang, K.; Hu, Z.; Tao, Z. L.; Mai, L. Q.; Kang, Y. M.; Chou, S. L.; Chen, J. Adv. Energy Mater. 2018, 8, 1701415. Figure 1
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) | 0,003 | 0,001 |
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 ».