Controlling Void Space in Crumpled Graphene‐Encapsulated Silicon Anodes using Sacrificial Polystyrene Nanoparticles
Notice bibliographique
Résumé
Abstract Silicon anodes have a theoretical capacity of 3590 mAh g−1 (for Li15Si4, at room temperature), which is tenfold higher than the graphite anodes used in current Li‐ion batteries. This, and silicon's natural abundance, makes it one of the most promising materials for next‐generation batteries. Encapsulating silicon nanoparticles (Si NPs) in a crumpled graphene shell by spray drying or spray pyrolysis are promising and scalable methods to produce core–shell structures, which buffer the extreme volume change (>300 vol %) caused by (de)lithiaton of silicon. However, capillary forces cause the graphene‐based materials to tightly wrap around Si NP clusters, and there is little control over the void space required to further improve cycle life. Herein, a simple strategy is developed to engineer void‐space within the core by incorporating varying amounts of similarly sized polystyrene (PS) nanospheres in the spray drier feed mixture. The PS completely decomposes during thermal reduction of the graphene oxide shell and results in Si cores of varying porosity. The best performance is achieved at a 1 : 1 ratio (PS/Si), leading to high capacities of 1638, 1468, and 1179 mAh g−1Si+rGO at 0.1, 1, and 4 A g−1, respectively. Moreover, at 1 A g−1, the capacity retention is 80.6 % after 200 cycles. At a practical active material loading of 2.4 mg cm−2, the electrodes achieve an areal capacity of 2.26 mAh cm−2 at 1 A g−1.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».