Accelerated Multi‐step Sulfur Redox Reactions in Lithium‐Sulfur Batteries Enabled by Dual Defects in Metal‐Organic Framework‐based Catalysts
Notice bibliographique
Résumé
Abstract The sluggish sulfur redox kinetics and shuttle effect of lithium polysulfides (LiPSs) are recognized as the main obstacles to the practical applications of the lithium‐sulfur (Li−S) batteries. Accelerated conversion by catalysis can mitigate these issues, leading to enhanced Li−S performance. However, a catalyst with single active site cannot simultaneously accelerate multiple LiPSs conversion. Herein, we developed a novel dual‐defect (missing linker and missing cluster defects) metal–organic framework (MOF) as a new type of catalyst to achieve synergistic catalysis for the multi‐step conversion reaction of LiPSs. Electrochemical tests and first‐principle density functional theory (DFT) calculations revealed that different defects can realize targeted acceleration of stepwise reaction kinetics for LiPSs. Specifically, the missing linker defects can selectively accelerate the conversion of S8→Li2S4, while the missing cluster defects can catalyze the reaction of Li2S4→Li2S, so as to effectively inhibit the shuttle effect. Hence, the Li−S battery with an electrolyte to sulfur (E/S) ratio of 8.9 mL g−1 delivers a capacity of 1087 mAh g−1 at 0.2 C after 100 cycles. Even at high sulfur loading of 12.9 mg cm−2 and E/S=3.9 mL g−1, an areal capacity of 10.4 mAh cm−2 for 45 cycles can still be obtained.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».