MétaCan
Menu
Retour à la cohorte
Enregistrement W4393857644 · doi:10.1002/adma.202401858

Biomass Solid‐State Electrolyte with Abundant Ion and Water Channels for Flexible Zinc–Air Batteries

2024· article· en· W4393857644 sur OpenAlexafffund
Haozhen Dou, Mi Xu, Zhen Zhang, Dan Luo, Aiping Yu, Zhongwei Chen

Notice bibliographique

RevueAdvanced Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceElectrolyteConductivityPower densityNanotechnologyQuasi-solidChemical engineeringElectrodePower (physics)Chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Flexible zinc–air batteries are the leading candidates as the next‐generation power source for flexible/wearable electronics. However, constructing safe and high‐performance solid‐state electrolytes (SSEs) with intrinsic hydroxide ion (OH−) conduction remains a fundamental challenge. Herein, by adopting the natural and robust cellulose nanofibers (CNFs) as building blocks, the biomass SSEs with penetrating ion and water channels are constructed by knitting the OH−‐conductive CNFs and water‐retentive CNFs together via an energy‐efficient tape casting. Benefiting from the abundant ion and water channels with interconnected hydrated OH− wires for fast OH− conduction under a nanoconfined environment, the biomass SSEs reveal the high water‐uptake, impressive OH− conductivity of 175 mS cm−1 and mechanical robustness simultaneously, which overcomes the commonly existed dilemma between ion conductivity and mechanical property. Remarkably, the flexible zinc–air batteries assemble with biomass SSEs deliver an exceptional cycle lifespan of 310 h and power density of 126 mW cm−2. The design methodology for water and ion channels opens a new avenue to design high‐performance SSEs for 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 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 seuil0,003

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 Opus0,010
Tête enseignante GPT0,265
Écart entre enseignants0,255 · 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

Citations61
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetAdvanced battery technologies researchTravaux en français237 207