MétaCan
Menu
Retour à la cohorte
Enregistrement W4391513437 · doi:10.1002/adma.202313096

External Field‐Responsive Ternary Non‐Noble Metal Oxygen Electrocatalyst for Rechargeable Zinc‐Air Batteries

2024· article· en· W4391513437 sur OpenAlexaff
Fan Gu, Wengai Guo, Yifei Yuan, Ya‐Ping Deng, Huile Jin, Jichang Wang, Zhongwei Chen, Shuang Pan, Yihuang Chen, Shun Wang

Notice bibliographique

RevueAdvanced Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensUniversity of WindsorUniversity of Waterloo
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésElectrocatalystMaterials sciencePhotothermal therapyTernary operationNanotechnologyChemical engineeringElectrodeElectrochemistryPhysical chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Despite the increasing effort in advancing oxygen electrocatalysts for zinc‐air batteries (ZABs), the performance development gradually reaches a plateau via only ameliorating the electrocatalyst materials. Herein, a new class of external field‐responsive electrocatalyst comprising Ni0.5Mn0.5Fe2O4 stably dispersed on N‐doped Ketjenblack (Ni0.5Mn0.5Fe2O4/N‐KB) is developed via polymer‐assisted strategy for practical ZABs. Briefly, the activity indicator ΔE is significantly decreased to 0.618 V upon photothermal assistance, far exceeding most reported electrocatalysts (generally >0.680 V). As a result, the photothermal electrocatalyst possesses comprehensive merits of excellent power density (319 mW cm−2), ultralong lifespan (5163 cycles at 25 mA cm−2), and outstanding rate performance (100 mA cm−2) for liquid ZABs, and superb temperature and deformation adaptability for flexible ZABs. Such improvement is attributed to the photothermal‐heating‐enabled synergy of promoted electrical conductivity, reactant‐molecule motion, active area, and surface reconstruction, as revealed by operando Raman and simulation. The findings open vast possibilities toward more‐energy‐efficient energy applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,278
Écart entre enseignants0,266 · 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 source (Gemma direct ou Codex distillé), 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

Citations57
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetAdvanced battery technologies researchTravaux en français237 207