MétaCan
Menu
Retour à la cohorte
Enregistrement W3158052894 · doi:10.1002/aenm.202100770

Recent Advances in Emerging Non‐Lithium Metal–Sulfur Batteries: A Review

2021· review· en· W3158052894 sur OpenAlexaff
Lianbo Ma, Yaohui Lv, Junxiong Wu, Yuming Chen, Zhong Jin

Notice bibliographique

RevueAdvanced Energy Materials · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Key Research and Development Program of ChinaNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésPolysulfideLithium (medication)Materials scienceLithium metalNanotechnologyAnodeEnergy densityElectrolyteEngineering physicsEngineeringChemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Abstract Rechargeable non‐lithium metal–sulfur batteries (MSBs) have gained tremendous attention because of their merits, including a high theoretical capacity, remarkable energy density, and low cost. However, the detrimental issues encountered by non‐lithium MSBs, such as polysulfide shuttle effects, volume expansion and the low electrical conductivity of elemental sulfur, and the serious side reactions between metal anodes and electrolytes, severely restrict their practical applications. To circumvent these issues, numerous effective strategies have been explored and utilized. In this review, the intractable obstacles that prevent the application of non‐lithium MSBs are first summarized. Recent pioneering studies on rechargeable non‐lithium MSBs are reported and discussed in terms of material design, fabrication methods, and electrochemical performance. The emerging characterization techniques used to reveal the working mechanisms of non‐lithium MSBs and the advantages of elaborately designed structures are highlighted. Finally, the remaining issues and possible future areas of research for practical applications are discussed.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,289
Écart entre enseignants0,271 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations71
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207