Ultrasmall TiO<sub><i>x</i></sub> Nanoparticles Rich in Oxygen Vacancies Synthesized through a Simple Strategy for Ultrahigh‐Rate Lithium‐Ion Batteries
Notice bibliographique
Résumé
Abstract Ultrasmall particle size (<10 nm) and rich oxygen vacancies are two sought‐after characteristics for titanium dioxide (TiO 2 ) to achieve high performance, namely, high rate and high storage capacity, when being used as an anode in lithium‐ion batteries (LIBs). However, free TiO 2 particles simultaneously possessing both characteristics have not been reported, owing to the synthetic challenges. In this study, we report novel TiO 2 nanoparticles with ultrasmall size (ca. 5–8 nm) as well as rich oxygen vacancies synthesized through a simple strategy. Specifically, porous carbon nanoparticles were used to confine the TiO 2 precursor in the nanosized pores in the carbon nanoparticles, which were annealed at a high temperature in argon to produce the TiO 2 nanoparticles with ultrasmall size and rich oxygen vacancies and subsequently annealed in air to burn away the carbon nanoparticles to afford the so‐called TiO x nanoparticles in a quantitative yield. The obtained anatase TiO x nanoparticles showed an exceptional ultrahigh‐rate lithium storage capability. A record reversible specific capacity of 235 mAh g −1 was achieved at the current density of 0.1 A g −1 . Even at an ultrahigh rate of 10 A g −1 (ca. 59 C), it still delivered a specific capacity of 90 mAh g −1 , which is five times that of the electrode made with the commercial anatase TiO 2 nanoparticles. Furthermore, this electrode also showed an excellent cycling performance with capacity retentions of 87 % and 90 % at high rates of 1 A g −1 and 5 A g −1 , respectively, after 1000 cycles. The strategy reported in this work can potentially be a universal method for synthesis of other metal oxides with ultrasmall particle size and rich oxygen vacancies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».