Pressure Tuning and Sn Particle Size Optimization for Enhanced Performance in PbSnF<sub>4</sub>‐Based All‐Solid‐State Fluoride Ion Batteries
Notice bibliographique
Résumé
Abstract All‐solid‐state fluoride ion batteries (ASSFIBs) show remarkable potential as energy storage devices due to their low cost, superior safety, and high energy density. However, the poor ionic conductivity of F − conductor, large volume expansion, and the lack of a suitable anode inhibit their development. In this work, PbSnF 4 solid electrolytes in different phases ( β ‐ and γ ‐PbSnF 4 ) are successfully synthesized and characterized. The ASSFIBs composed of β ‐PbSnF 4 electrolytes, a BiF 3 cathode, and micrometer/nanometer size ( µ ‐/ n ‐) Sn anodes, exhibit substantial capacities. Compared to the μ ‐Sn anode, the n ‐Sn anode with nanostructure exhibits superior battery performance in the BiF 3 / β ‐PbSnF 4 /Sn battery. The optimized battery delivers a high initial discharge capacity of 181.3 mAh g −1 at 8 mA g −1 and can be reversibly cycled at 40 mA g −1 with a high discharge capacity of over 100.0 mAh g −1 after 120 cycles at room temperature. Additionally, it displays high discharge capacities over 90.0 mAh g −1 with excellent cyclability over 100 cycles under ‐20 °C. Detailed characterization has confirmed that reducing Sn particle size and boosting external pressure are crucial for achieving good defluorination/fluorination behaviors in the Sn anode. These findings pave the way to designing ASSFIBs with high capacities and superior cyclability under different operating temperatures.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».