MétaCan
Menu
Retour à la cohorte
Enregistrement W4392812395 · doi:10.1021/acsanm.3c06244

SiO<sub><i>x</i></sub>@ZrO<sub>2</sub>@C Nanospheres as a High-Capacity and Stable Anode Material for Lithium-Ion Batteries

2024· article· en· W4392812395 sur OpenAlexaff
Wenwen Deng, Shaocong Ni, Naiqi Hu, Ying Zhou, Zhong Jin

Notice bibliographique

RevueACS Applied Nano Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésAnodeLithium (medication)Materials scienceIonChemical engineeringNanoarchitectures for lithium-ion batteriesElectrodeChemistryOrganic chemistryPhysical chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Silicon oxide (SiO x ) has been widely studied due to its ultrahigh theoretical specific capacity for lithium storage. However, its inherent low electronic conductivity and large volume change before and after lithium insertion have limited its commercialization. To address this issue, we report the synthesis of SiO x @ZrO 2 @C ternary composite nanospheres by convenient and scalable wet chemistry and sintering processes. In the unique structure of 3D porous SiO x @ZrO 2 @C nanospheres, zirconium oxide (ZrO 2 ) supplies high structural stability, while the amorphous carbon (C) layer helps to form a stable solid–electrolyte interface, suppress volume expansion, and greatly improve the conductivity. Electrochemical measurements demonstrate that the SiO x @ZrO 2 @C nanospheres exhibit a capacity retention of 72.2% after 500 cycles at 500 mA g –1 . At a high current density of 800 mA g –1, the SiO x @ZrO 2 @C nanospheres can still deliver a capacity of 529.1 mAh g –1 . This work provides a promising mass-scale synthesis method for producing SiO x composites and introduces a high-performance anode material for lithium-ion batteries.

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 candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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
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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Nano MaterialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207