MétaCan
Menu
Retour à la cohorte
Enregistrement W4286435430 · doi:10.1149/1945-7111/ac7ef1

Effects of Pore Structure and Carbon Loading on Solid Capacitive Devices at Low Temperatures

2022· article· en· W4286435430 sur OpenAlexafffund
Alvin Virya, Raunaq Bagchi, Keryn Lian

Notice bibliographique

RevueJournal of The Electrochemical Society · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceElectrolyteGravimetric analysisCapacitanceElectrodeChemical engineeringMicroporous materialCapacitive sensingCarbon nanotubeElectrochemistryCarbon fibersFast ion conductorCapacitorComposite materialNanotechnologyChemistryOrganic chemistryElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The effects of electrode material loading and operating temperature on solid-state electrochemical double layer capacitors (EDLCs) with Na2SO4-polyacrylamide-DMSO electrolyte were studied. Two types of solid EDLC cells, using carbon nanotube (CNT) or activated carbon (AC), with very different surface areas and pore structures were compared to reveal the limitations in designing solid capacitive devices. Based on the gravimetric capacitance values, the utilizable portion of the electrode for EDLC can be estimated. Although increasing carbon loading leads to higher capacitance, there are two possible adverse effects especially at low temperatures. A high loading and thick electrode may reduce the penetration of viscous polymer electrolyte precursor solutions and may increase diffusion limitation leading to lower material utilization. These phenomena are more aggravated at faster rates and on micropore-rich materials. The results from this work can be used to quantify the effective utilization of the materials at different temperatures and the insights can be added to the guiding principles for designing and developing solid EDLCs.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,209
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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetSupercapacitor Materials and FabricationTravaux en français237 207