Innovative approach for the synthesis of graphene/MnO<sub>2</sub> nanocomposites and their electrochemical behavior
Notice bibliographique
Résumé
Abstract Graphene‐manganese dioxide composites were prepared using a simple one step method consisting of the electrochemical exfoliation of graphite in the presence of KMnO 4 in 0.1 м H 2 SO 4 at low temperature . In these conditions, the freshly exfoliated graphene sheets (EG) spontaneously reduce the permanganate ions and EG sheets decorated with MnO 2 nanoparticles are obtained. This was confirmed by scanning electron microscopy coupled with energy dispersive X‐ray spectroscopy, transmission electron microscopy, X‐ray diffraction, Raman, and X‐ray photoelectron spectroscopies and thermogravimetric analysis. The electrochemical properties of EG@MnO 2 material were investigated and discussed. Electrodes based on the composite material exhibited enhanced capacitive performances compared to those made from pure graphene sheets. This was attributed to the synergic effect between the two components (graphene sheets and manganese dioxide nanoparticles) and to a larger porosity of the EG@MnO 2 electrode compared to the EG electrode. Additionally, over 91.6% of original capacitance was retained after 4000 cycles, indicating a very good cycling capability of the composite material. Remarkably, the composite electrode showed promising properties in aqueous medium by exhibiting a large and stable operating voltage up 2 V. The results presented in this article could serve as a guide for improving the energy density of supercapacitors in aqueous media.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».