MétaCan
Menu
Retour à la cohorte
Enregistrement W3128416517 · doi:10.1039/d0cs00156b

Atomic/molecular layer deposition for energy storage and conversion

2021· review· en· W3128416517 sur OpenAlexafffund
Yang Zhao, Lei Zhang, Jian Liu, Keegan R. Adair, Feipeng Zhao, Yipeng Sun, Tianpin Wu, Xuanxuan Bi, Khalil Amine, Jun Lü, Xueliang Sun

Notice bibliographique

RevueChemical Society Reviews · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of British Columbia, Okanagan CampusKelowna General HospitalUniversity of British ColumbiaWestern University
Organismes subventionnairesBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of CanadaUniversity of British ColumbiaOntario Research FoundationCanada Foundation for InnovationWestern UniversityMitacsCanada Research Chairs
Mots-clésLayer (electronics)Atomic layer depositionDeposition (geology)Materials scienceEnergy storageChemistryNanotechnologyPhysicsGeologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

Energy storage and conversion systems, including batteries, supercapacitors, fuel cells, solar cells, and photoelectrochemical water splitting, have played vital roles in the reduction of fossil fuel usage, addressing environmental issues and the development of electric vehicles. The fabrication and surface/interface engineering of electrode materials with refined structures are indispensable for achieving optimal performances for the different energy-related devices. Atomic layer deposition (ALD) and molecular layer deposition (MLD) techniques, the gas-phase thin film deposition processes with self-limiting and saturated surface reactions, have emerged as powerful techniques for surface and interface engineering in energy-related devices due to their exceptional capability of precise thickness control, excellent uniformity and conformity, tunable composition and relatively low deposition temperature. In the past few decades, ALD and MLD have been intensively studied for energy storage and conversion applications with remarkable progress. In this review, we give a comprehensive summary of the development and achievements of ALD and MLD and their applications for energy storage and conversion, including batteries, supercapacitors, fuel cells, solar cells, and photoelectrochemical water splitting. Moreover, the fundamental understanding of the mechanisms involved in different devices will be deeply reviewed. Furthermore, the large-scale potential of ALD and MLD techniques is discussed and predicted. Finally, we will provide insightful perspectives on future directions for new material design by ALD and MLD and untapped opportunities in energy storage and conversion.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,007

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 Opus0,034
Tête enseignante GPT0,300
Écart entre enseignants0,265 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations212
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical Society ReviewsMême sujetAdvancements in Battery MaterialsTravaux en français237 207