MétaCan
Menu
Retour à la cohorte
Enregistrement W4309001239 · doi:10.1002/aenm.202203061

Ultrafast Manufacturing of Ultrafine Structure to Achieve An Energy Density of Over 120 Wh kg<sup>−1</sup> in Supercapacitors

2022· article· en· W4309001239 sur OpenAlexaff
Jingchao Zhang, Jiawei Luo, Zhaoxin Guo, Zhedong Liu, Cunpeng Duan, Shuming Dou, Qunyao Yuan, Peng Liu, Kemeng Ji, Cuihua Zeng, Jie Xu, Wei‐Di Liu, Yanan Chen, Wenbin Hu

Notice bibliographique

RevueAdvanced Energy Materials · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMaterials scienceSupercapacitorElectrochemistryEnergy storageCarbon fibersPseudocapacitanceWettingChemical engineeringElectrodeActivated carbonNanotechnologyComposite materialComposite numberPhysical chemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract Supercapacitor (SC) is one of the most promising electrochemical energy‐storage devices. However, the practical application of SCs is limited by the low‐energy density. Herein, high‐temperature shock (HTS)‐derived ultrafine structure‐activated porous carbon (UAPC) with N, O functional groups is reported as high‐energy density SCs carbon. The process of ultrafast joule heating and cooling effectively transfers general‐purposed carbon into electrochemical‐activated carbon. The UAPC‐based SCs exhibit an energy density of up to 129 Wh kg −1 in EMIMBF 4 ionic liquid, which outperform almost all reported and commercial SCs (22 Wh kg −1 ). The outstanding electrochemical performance of UAPC is attributed to the ultrafine structure and N, O functional groups, which enlarges the surface area, improves the surface wettability of UAPC electrodes, and provides pseudocapacitance. The facile and efficient ultrafast‐processing strategy has opened up an unprecedented pathway for the application of low‐value carbon for the electrode design and application of SCs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,034
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,007
Tête enseignante GPT0,218
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

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

Citations46
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetSupercapacitor Materials and FabricationTravaux en français237 207