MétaCan
Menu
Retour à la cohorte
Enregistrement W4288428512 · doi:10.1002/adma.202201838

Self‐Formation CoO Nanodots Catalyst in Co(TFSI)<sub>2</sub>‐Modified Electrolyte for High Efficient Li‐O<sub>2</sub> Batteries

2022· article· en· W4288428512 sur OpenAlexafffund
Guiru Sun, Rui Gao, Hailiang Jiao, Dan Luo, Yan Wang, Zexu Zhang, Wei Lü, Ming Feng, Zhongwei Chen

Notice bibliographique

RevueAdvanced Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesUniversity of WaterlooNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésOverpotentialElectrolyteMaterials scienceCatalysisCathodePassivationChemical engineeringCobaltInorganic chemistryElectrodeNanotechnologyElectrochemistryPhysical chemistryOrganic chemistryChemistryMetallurgyLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Abstract The major challenges for Li‐O2 batteries are sluggish reaction kinetics and large overpotentials due to the cathode passivation resulting from insulative and insoluble Li2O2. Here, a novel nanodot (ND)‐modified electrolyte is designed by employing cobalt bis(trifluoromethylsulfonyl)imide (Co(TFSI)2) as an electrolyte additive. The Co(TFSI)2 additive can react with discharge intermediate LiO2 and product Li2O2 to form CoO NDs. The generated CoO NDs are well dispersed in electrolyte, which integrates both the high catalytic activity of solid catalyst and the good wettability of soluble catalyst. Under the catalytis of CoO NDs, Li2O2 is produced and deposits on the cathode together with them. At the recharge process, these well dispersed CoO NDs help to decompose solid Li2O2 at a lower overpotential. The Li‐O2 cells with Co(TFSI)2 exhibit a long cycle life of 200 cycles at a current density of 200 mA g−1 under a cutoff capacity of 1000 mAh g−1, as well as a superior reversibility associated with the Li2O2 formation and decomposition. The study is expected to broaden the range of electrolyte additives and provide a new view to developing highly dispersed NDs‐based catalysts for Li‐O2 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 enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,202
Écart entre enseignants0,196 · 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

Citations38
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207