MétaCan
Menu
Retour à la cohorte
Enregistrement W4383736175 · doi:10.3390/batteries9070365

Overcoming Challenges in Development of Manganese Oxide Supercapacitor Cathodes by Alkali-Free Hydrothermal Synthesis

2023· article· en· W4383736175 sur OpenAlexafffund
Mahmoud Awad, Mohamed Nawwar, Igor Zhitomirsky

Notice bibliographique

RevueBatteries · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSupercapacitorCapacitanceMaterials scienceElectrolyteElectrodeManganeseCathodeChemical engineeringHydrothermal synthesisFabricationOxideHydrothermal circulationNanotechnologyInorganic chemistryChemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

This investigation is motivated by the need in the development of manganese oxide cathodes for supercapacitors with high capacitance at high charge–discharge rates and enhanced capacitance retention in a wide range of charge–discharge rates. It also addresses the challenge of eliminating the time-consuming activation procedure, which limits the applications of Mn3O4 cathodes. The new approach is based on the use of environmentally friendly and biocompatible pH modifiers–dispersants, such as polyethylenimine (PEI) and meglumine (MG) for hydrothermal synthesis. In this approach, the use of inorganic alkalis is avoided. We demonstrate the benefits of this approach for the fabrication of manganese oxide nanoparticles, such as Mn-PEI and Mn-MG. Electrodes with a high active mass of 40 mg cm−2 are fabricated and electrochemically tested in 0.5 M Na2SO4 electrolyte. The method of electrode material fabrication offers benefits for the accelerated electrode activation procedure, which is practically eliminated for Mn-MG electrodes. The Mn-MG electrodes showed a remarkably high capacitance of 3.68 F cm−2 (93.19 F g−1) at a sweep rate of 100 mV s−1 and a high capacitance retention of 90.6% in the CV sweep range of 1–100 mV s−1.

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 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 enseignants0,031
Score d'incertitude au seuil0,675

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,043
Tête enseignante GPT0,248
Écart entre enseignants0,204 · 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.

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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBatteriesMême sujetSupercapacitor Materials and FabricationTravaux en français237 207