Manipulating Redox Kinetics using p‐n Heterojunction Biservice Matrix as both Cathode Sulfur Immobilizer and Anode Lithium Stabilizer for Practical Lithium–Sulfur Batteries
Notice bibliographique
Résumé
Abstract As an attractive high‐energy‐density technology, the practical application of lithium–sulfur (Li–S) batteries is severely limited by the notorious dissolution and shuttle effect of lithium polysulfides (LiPS), resulting in sluggish reaction kinetics and uncontrollable dendritic Li growth. Herein, a p‐n typed heterostructure consisting of n ‐type MoS 2 nanoflowers embedded with p ‐type NiO nanoparticles is designed on carbon nanofibers (denoted as NiO‐MoS 2 @CNFs) as both cathode sulfur immobilizer and anode Li stabilizer for practical Li–S batteries. Such p‐n typed heterostructure is proposed to establish the built‐in electric field across the heterointerface for facilitated the positive charge to reach the surface of NiO‐MoS 2 , meanwhile inherits the excellent LiPS adsorption ability of p‐type NiO nanoparticles and catalytic ability of n‐type MoS 2 . As the anode matrix, the implementation of NiO–MoS 2 heterostructure can prevent the growth of Li dendrites by enhancing the lithiophilicity and reducing local current density. The obtained Li–S full battery exhibits an ultra‐high areal capacity over 7.3 mAh cm −2 , far exceeding that of current commercial Li‐ion batteries. Meanwhile, a stable cycling performance can be achieved under low electrolyte/sulfur ratio of 5.8 µL mg −1 and negative/positive capacity ratio of 1. The corresponding pouch cell maintains high energy density of 305 Wh kg −1 and stable cycling performance under various bending angles.
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 ».