MétaCan
Menu
Retour à la cohorte
Enregistrement W4249963501 · doi:10.1002/ange.201813686

Heteroatom‐Doped Porous Carbon Materials with Unprecedented High Volumetric Capacitive Performance

2019· article· en· W4249963501 sur OpenAlexaff
Huile Jin, Xin Feng, Jun Li, Matthew Li, Yuanzhi Xia, Yifei Yuan, Chao Yang, Bin Dai, Zhiqun Lin, Jichang Wang, Jun Lü, Shun Wang

Notice bibliographique

RevueAngewandte Chemie · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensUniversity of WindsorUniversity of Waterloo
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHeteroatomSupercapacitorCarbon fibersMaterials scienceAqueous solutionElectrochemistryPorosityChemical engineeringInorganic chemistryChemistryOrganic chemistryElectrodeComposite materialComposite numberPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The design of carbon‐based materials with a high mass density and large porosity has always been a challenging goal, since they fulfill the demands of next‐generation supercapacitors and other electrochemical devices. We report a new class of high‐density heteroatom‐doped porous carbon that can be used as an aqueous‐based supercapacitor material. The material was synthesized by an in situ dehalogenation reaction between a halogenated conjugated diene and nitrogen‐containing nucleophiles. Under the given conditions, pyridinium salts can only continue to perform the dehalogenation if there is residue water remaining from the starting materials. The obtained carbon materials are highly doped by various heteroatoms, leading to high densities, abundant multimodal pores, and an excellent volumetric capacitive performance. Porous carbon tri‐doped with nitrogen, phosphorous, and oxygen exhibits a high packing density (2.13 g cm −3 ) and an exceptional volumetric energy density (36.8 Wh L −1 ) in alkaline electrolytes, making it competitive to even some Ni‐MH cells.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,008
Score d'incertitude au seuil0,999

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)0,0020,001

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 Opus0,010
Tête enseignante GPT0,201
Écart entre enseignants0,191 · 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.

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

Citations53
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngewandte ChemieMême sujetSupercapacitor Materials and FabricationTravaux en français237 207