MétaCan
Menu
Retour à la cohorte
Enregistrement W4396832227 · doi:10.1002/eem2.12735

Amphoteric Supramolecular Nanofiber Separator for High‐Performance Sodium‐Ion Batteries

2024· article· en· W4396832227 sur OpenAlexaff
Yuping Zhang, Hongzhi Zheng, Xing Tong, Hao Zhuo, Yang Wu, Yuling Chen, Ge Shi, Zehong Chen, Linxin Zhong, Xinwen Peng

Notice bibliographique

RevueEnergy & environment materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesBasic and Applied Basic Research Foundation of Guangdong Province
Mots-clésNanofiberSeparator (oil production)Supramolecular chemistryIonMaterials scienceSodiumChemical engineeringNanotechnologyChemistryOrganic chemistryEngineeringMoleculeMetallurgyPhysics

Résumé

récupéré en direct d'OpenAlex

The separator is an essential component of sodium‐ion batteries (SIBs) to determine their electrochemical performances. However, the separator with high mechanical strength, good electrolyte wettability and excellent electrochemical performance remains an open challenge. Herein, a new separator consisting of amphoteric nanofibers with abundant functional groups was fabricated through supramolecular assembly of natural polymers for SIB. The uniform nanoporous structure, remarkable mechanical properties and abundant functional groups (e.g. −COOH, −NH 2 and −OH) endow the separator with lower dissolution activation energy and higher ion migration numbers. These metrics enable the separator to lower the barrier for desolvation of Na + , accelerate the migration of Na + , and generate more stable solid electrolyte interphase (SEI) and cathode electrolyte interphase (CEI). The battery assembled with the amphoteric nanofiber separator shows higher specific capacity and better stability than that assembled with glass fiber (GF) separator.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,124
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0030,000

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 Opus0,006
Tête enseignante GPT0,194
Écart entre enseignants0,188 · 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

Citations28
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & environment materialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207