MétaCan
Menu
Retour à la cohorte
Enregistrement W4283737578 · doi:10.1021/acs.jpcc.2c01900

Electrochemical Stability of ZnMn<sub>2</sub>O<sub>4</sub>: Understanding Zn-Ion Rechargeable Battery Capacity and Degradation

2022· article· en· W4283737578 sur OpenAlexafffund
Oleg Rubel, Thuy Nguyen Thanh Tran, Storm Gourley, Sriram Anand, Andrew van Bommel, Brian D. Adams, Douglas G. Ivey, Drew Higgins

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensUniversity of AlbertaMcMaster University
Organismes subventionnairesMitacsCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésDegradation (telecommunications)ElectrochemistryBattery (electricity)Materials scienceChemistryComputer scienceElectrodeTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

We present a refined Mn–Zn–H 2 O Pourbaix diagram with the emphasis on parameters relevant for the Zn/MnO 2 rechargeable cells. It maps out boundaries of electrochemical stability for MnO 2, ZnMn 2 O 4, ZnMn 3 O 7, and MnOOH. The diagram helps to rationalize experimental observation on processes and phases occurring during charge/discharge, including the position of charge/discharge redox peaks and capacity fade observed in rechargeable aqueous Zn-ion batteries for stationary storage. The proposed Pourbaix diagram is validated by observing the pH-dependent transformation of electrolytic manganese dioxide to hetaerolite and chalcophanite during discharge and charge, respectively. Our results can guide the selection of operating conditions (the potential range and pH) for existing aqueous Zn/MnO 2 rechargeable cells to maximise their longevity. In addition, the relation between electrochemical stability boundaries and operating conditions can be used as an additional design criterion in exploration of future cathode materials for aqueous rechargeable batteries.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,030
Tête enseignante GPT0,235
Écart entre enseignants0,205 · 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'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

Citations27
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetAdvanced battery technologies researchTravaux en français237 207