Combining Experimental and Theoretical Techniques to Gain an Atomic Level Understanding of the Defect Binding Mechanism in Hard Carbon Anodes for Sodium Ion Batteries
Notice bibliographique
Résumé
Abstract Sodium ion batteries (NIBs) are an attractive alternative to lithium‐ion batteries in applications that require large‐scale energy storage due to sodium's high natural abundance and low cost. Hard carbon (HC) is the most promising anode material for NIBs; however, there is a knowledge gap in the understanding of the sodium binding mechanism that prevents a rational design of HC. This study tunes sucrose‐derived HC via synthesis temperature then evaluates the structural, physical, and electrochemical properties. Neutron total scattering is used to generate structural models by fitting pair distribution functions (PDF) with a combination of molecular dynamics and reverse Monte Carlo methods. From this model, the number and type of structural features are identified, quantified, and correlated to the galvanostatic charge/discharge. A method of PDF “fingerprinting” binding sites using Na probe atoms is developed and analyzing these PDFs reveals an atomistic view of ion binding sites responsible for “defect” storage mechanisms. Combining these techniques results in an atomic‐level study that provides a big picture of the Na‐binding mechanism in NIBs, which allows for more precise tuning of the structure–property relationships in the future. The methodologies developed will also enable new strategies for the analysis of amorphous functional materials.
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 | 0,000 | 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 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 ».