MétaCan
Menu
Retour à la cohorte
Enregistrement W4297549622 · doi:10.3233/atde220411

Dual–Aromatic Anion/Cation Ionic Liquid with High N Content for Preparation of Self–N–Doped Porous Carbon Materials and Their Applications in Supercapacitor

2022· book-chapter· en· W4297549622 sur OpenAlexaff
Shiwei Liu, Shufeng Bian, Kaixin Yang, Hailong Yu, Shitao Yu, Yue Liu

Notice bibliographique

RevueAdvances in transdisciplinary engineering · 2022
Typebook-chapter
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Science Foundation of Shandong ProvinceNational Natural Science Foundation of China
Mots-clésIonic liquidSupercapacitorMaterials scienceCarbon fibersElectrochemistryPorosityIonChemical engineeringCapacitanceSpecific surface areaDopingInorganic chemistryComposite numberOrganic chemistryChemistryElectrodePhysical chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Porous carbon materials was synthesized using MCM-41as template and self–N–doped porous carbon material was fabricated via a well–directed synthesized 1–butyl–3–methylimidazolium triazole [Bmim]tr, an exemplary ionic liquid (IL) possessing 36.4 wt % N content and dual–aromatic anion/cation. The obtained materials had well–distributed hierarchical meso–/micro–pore structure, a large surface area (1425.6 m2 g−1), and high N content (11.29 wt%), which provided efficient electron transmission capability, thus significantly enhancing the electrochemical performance. At 1.0 A g−1, the specific capacitance from the CN900 sample achieved 376.4 F g−1. In addition, a high energy density of 13.07 Wh kg–1 at 500 W kg–1 was demonstrated. Furthermore, a high stability of more than 97.7% after 10,000 cycles was obtained. This study presents that the dual–aromatic cation/anion–based ILs with high N–content/MCM–41 template strategy is promising for the preparation of self–N–doped carbon materials for supercapacitor 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 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
Bibliométrie0,0000,000
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)0,0020,001

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in transdisciplinary engineeringMême sujetSupercapacitor Materials and FabricationTravaux en français237 207