MétaCan
Menu
Retour à la cohorte
Enregistrement W3137257984 · doi:10.3390/molecules26061709

Dispersant Molecules with Functional Catechol Groups for Supercapacitor Fabrication

2021· article· en· W3137257984 sur OpenAlexafffund
Kaelan Rorabeck, Igor Zhitomirsky

Notice bibliographique

RevueMolecules · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDispersantMaterials scienceSupercapacitorCarbon nanotubeDielectric spectroscopyCyclic voltammetryChemical engineeringElectrodeCapacitanceAdsorptionCapacitive sensingNanotechnologyDispersion (optics)Organic chemistryElectrochemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Cathodes for supercapacitors with enhanced capacitive performance are prepared using MnO2 as a charge storage material and carbon nanotubes (CNT) as conductive additives. The enhanced capacitive properties are linked to the beneficial effects of catecholate molecules, such as chlorogenic acid and 3,4,5-trihydroxybenzamide, which are used as co-dispersants for MnO2 and CNT. The dispersant interactions with MnO2 and CNT are discussed in relation to the chemical structures of the dispersant molecules and their biomimetic adsorption mechanisms. The dispersant adsorption is a key factor for efficient co-dispersion in ethanol, which facilitated enhanced mixing of the nanostructured components and allowed for improved utilization of charge storage properties of the electrode materials with high active mass of 40 mg cm−2. Structural peculiarities of the dispersant molecules are discussed, which facilitate dispersion and charging. Capacitive properties are analyzed using cyclic voltammetry, chronopotentiometry and impedance spectroscopy. A capacitance of 6.5 F cm−2 is achieved at a low electrical resistance. The advanced capacitive properties of the electrodes are linked to the microstructures of the electrodes prepared in the presence of the dispersants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,128
Score d'incertitude au seuil0,680

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,224
Écart entre enseignants0,205 · 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 tête enseignante, 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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetSupercapacitor Materials and FabricationTravaux en français237 207