MétaCan
Menu
Retour à la cohorte
Enregistrement W3204518381 · doi:10.1002/celc.202100946

Carbon Nanospheres with High Intra‐ and Inter‐Sphere Porosities for High‐Rate Energy‐Storage Applications

2021· article· en· W3204518381 sur OpenAlexaff
Xudong Liu, Xinling Wang, Ximeng Zhang, Bahareh Raisi, Jalal Rahmatinejad, Zhibin Ye

Notice bibliographique

RevueChemElectroChem · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensConcordia UniversityLaurentian University
Organismes subventionnairesnon disponible
Mots-clésAnodeMaterials scienceCapacitanceEnergy storagePorosityLithium (medication)DiffusionCapacitorSupercapacitorCarbon fibersElectrodeIonChemical engineeringKinetic energyNanotechnologyComposite materialComposite numberChemistryVoltageElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Kinetic problems restrict the applications of carbon‐based materials in energy‐storage systems at high currents. Herein, small carbon nanospheres (5 and 20 nm in average diameter) featured with high intra‐sphere micro‐/meso‐porosity and inter‐sphere meso‐/macro‐porosity are demonstrated as high‐rate anode materials for lithium‐ion batteries (capacity retention: 42.3 % at 1 A g −1 relative to 0.05 A g −1 ), enabling rapid lithium‐ion diffusion with shortened diffusion lengths. Additionally, the rapid lithium‐ion response is also verified with their superior capacitance retention at high currents as electrode materials for electrical double layer capacitors (capacitance retention: 69.2 % at 100 A g −1 relative to 0.5 A g −1 ). Our results confirm the optimum energy‐storage performance of this class of nanocarbons with hierarchical micro‐/meso‐/macro‐porous structures.

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 enseignants0,086
Score d'incertitude au seuil0,853

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 Opus0,004
Tête enseignante GPT0,189
Écart entre enseignants0,185 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemElectroChemMême sujetAdvancements in Battery MaterialsTravaux en français237 207