MétaCan
Menu
Retour à la cohorte
Enregistrement W4311106641 · doi:10.3389/fchem.2022.1104992

Editorial: Interfacial engineering of carbon-based materials for efficient energy conversion

2022· editorial· en· W4311106641 sur OpenAlexaff
Ming Ge, Xiaona Li, Minmin Wang, Qian Tao, Yulin Min, Xiaolei Yuan

Notice bibliographique

RevueFrontiers in Chemistry · 2022
Typeeditorial
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésHeteroatomCarbon fibersNanotechnologyMaterials scienceInterface (matter)NanomaterialsEnergy storageEnergy transformationFabricationChemistryComposite materialComposite numberPower (physics)PhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Over the past decade, carbon-based materials, such as simplex carbon materials, heteroatom-doped 14 carbon materials, carbon-transition metal composites, have received the increasing attentions for 15 energy conversion owning to their low cost, good electrical conductivity, and stable structure. Specially, 16 the diversity in their structure and composition could significantly enhance their applications in various 17 fields, including nanocatalysis, energy conversion, and energy storage. In general, catalytic reactions 18 usually occur on the surface or interface of electrodes. The interface structure is usually formed 19 between carbon-based materials and other components and can be theoretically used as a channel for 20 the transportation of electrons or intermediates. Therefore, interface engineering is one of the feasible 21 and effective strategies to enhance the performance of nanomaterials, which is the cornerstone for the 22 practical applications. We would like to thank all the authors for their meaningful work and all the reviewers for their valuable 71 contributions to this special issue. We expect that these endeavors will pave the way for further 72 advancements in the design and fabrication of carbon-based materials and their derivatives by using 73 interface engineering.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,200
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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreÉditorial

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 revueFrontiers in ChemistryMême sujetSupercapacitor Materials and FabricationTravaux en français237 207