Ice-Templating of Lignin and Cellulose Nanofiber-Based Carbon Aerogels: Implications for Energy Storage Applications
Notice bibliographique
Résumé
Hierarchically porous carbon aerogels (CAs) were synthesized by following a green, facile preparation route involving ice-templating and lyophilization followed by carbonization. For the first time, we report CAs prepared with a cooling rate of 7.5 K/min, demonstrating a very high specific surface area (SSA) of 1260 m2 g–1 without any physical or chemical activation steps, and the electrode prepared using the latter aerogel showed superior electrochemical performance with a specific capacitance of 410 F g–1 at 2 m V s–1 with a cyclic stability of 94% after 4500 charge–discharge cycles. The effects of the ice-templating cooling rate and the solid content of lignin and cellulose nanofibers (CNFs) in the suspension on the structure and electrochemical performance of the CAs were investigated. The ice-templating process and the cooling rate were found to have a large effect on the generation of the nanoporous structure and the specific surface area of carbon aerogels, while the solid content of the lignin-nanocellulose suspension showed negligible effects. When assembled as a supercapacitor (SC), a remarkable specific capacitance of 240 F g–1 at 0.1 A g–1 was achieved. The relaxation time constant for the prepared SC was 1.3 s, which shows the fast response of these SCs. In addition, an energy density of 4.3 Wh kg–1 was also obtained at a power density of 500 W kg–1. Thus, this study opens new perspectives for the preparation of green, environment-friendly, free-standing, high-performance CA electrodes for future energy storage applications.
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 | 0,001 | 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 ».