MétaCan
Menu
Retour à la cohorte
Enregistrement W3126961370 · doi:10.1002/admt.202000849

Encapsulating Sn(OH)<sub>4</sub> Nanoparticles in Micropores of Mesocarbon Microbeads: A New Anode Material for High‐Performance Lithium Ion Batteries

2021· article· en· W3126961370 sur OpenAlexaff
Bo Zhang, Juncheng Zhou, Xiaoxuan Sun, Birong Luo, Dejun Li, Xingxing Gu, Yang Zhao

Notice bibliographique

RevueAdvanced Materials Technologies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensWestern University
Organismes subventionnairesYoung Scientists FundNational Natural Science Foundation of China
Mots-clésAnodeMaterials scienceElectrolyteLithium (medication)ElectrochemistryNanoparticleChemical engineeringElectrodeIonNanotechnologyChemistryOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A novel Sn(OH)4/mesocarbon microbeads (MCMB) anode material has been successfully prepared by skillfully encapsulating the Sn(OH)4 nanoparticles into the micropores of MCMB via a simple vapor deposition approach. The electrochemical results demonstrate that the Sn(OH)4/MCMB anode exhibits a high reversible capacity of 904 mAh g−1 after 500 cycles at a current density of 100 mA g−1, which is far higher than that of the SnO2/MCMB (501 mAh g−1) and Sn/MCMB (364 mAh g−1). Such transcendence can be attributed to the ultrasmall sizes of Sn(OH)4 nanoparticles and rapid lithium ions transport channels provided by micropores on the surface of MCMB. More importantly, the encapsulated Sn(OH)4 particles inside the micropores decrease the exposure to the electrolyte to ensure the formation of stable solid electrolyte interphase films as well as accommodating electrode expansion during charge–discharge, which is beneficial to achieve a stable cycling performance. Therefore, the unique nanostructures of Sn(OH)4/MCMB ensure it becomes a novel promising anode material for the high‐performance lithium ion batteries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials TechnologiesMême sujetAdvancements in Battery MaterialsTravaux en français237 207