MétaCan
Menu
Retour à la cohorte
Enregistrement W4200450500 · doi:10.1039/d1nh00585e

Challenges of layer-structured cathodes for sodium-ion batteries

2021· review· en· W4200450500 sur OpenAlexafffund
Caihong Shi, Liguang Wang, Xi’an Chen, Jun Li, Shun Wang, Jichang Wang, Huile Jin

Notice bibliographique

RevueNanoscale Horizons · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésCathodeBattery (electricity)Layer (electronics)SodiumIonMaterials scienceSodium-ion batteryNanotechnologyComputer scienceEngineeringChemistryElectrical engineeringMetallurgyElectrodeElectrochemistryPhysics

Résumé

récupéré en direct d'OpenAlex

As the most promising alternative to lithium-ion batteries (LIBs), sodium-ion batteries (SIBs) still face many issues that hinder their large-scale commercialization. Layered transition metal oxide cathodes have attracted widespread attention owing to their large specific capacity, high ionic conductivity, and feasible preparation conditions. However, their electrochemical properties are usually limited by the irreversible phase transition and harsh storage conditions caused by humidity sensitivity. Recently, tremendous efforts have been devoted to solving these issues toward advanced high-performance layered oxide cathodes. Herein, we summarize these remaining challenges of layered oxide cathodes and the corresponding modification strategies such as the variations in chemical compositions, the architecture of (nano)micro-structures, surface engineering, and the regulation of phase compositions. We hope that the understanding presented in this review can provide useful guidance to developing high-performance layer-structured cathode materials for advanced SIBs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,064
Tête enseignante GPT0,326
Écart entre enseignants0,262 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations112
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanoscale HorizonsMême sujetAdvancements in Battery MaterialsTravaux en français237 207