MétaCan
Menu
Retour à la cohorte
Enregistrement W4401785899 · doi:10.1002/cssc.202400451

Carbon Nanotube Supported Fluorine Substituted Iron Phthalocyanine Enabling Boosted Polysulfide Redox Conversion Kinetics and Cyclic Stability

2024· article· en· W4401785899 sur OpenAlexaff
Jiaqi Zhao, Zhanwei Xu, Yujiao Zhang, Jin QingZhu, Longhua Guo, Siyu Chen, Xuetao Shen, Jiayin Li, Zhiguo Li

Notice bibliographique

RevueChemSusChem · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensNational Institute for Nanotechnology
Organismes subventionnairesNatural Science Foundation of Shaanxi ProvinceNational Natural Science Foundation of China
Mots-clésRedoxCarbon nanotubeKineticsNucleationChemical engineeringChemistryMaterials sciencePolysulfideNanotechnologyInorganic chemistryOrganic chemistryPhysical chemistryElectrodeElectrolyte

Résumé

récupéré en direct d'OpenAlex

Abstract The sluggish transition and shuttle of polysulfides (LiPS) significantly hinder the application and commercialization of Li−S batteries. Herein, carbon nanotubes (CNTs) supported 10 nm sized iron Hexadecafluorophthalocyanine (FePcF 16 /CNTs) are prepared using a solid synthesis approach. The well‐exposed FePcF 16 molecular improve the LiPS capture efficiency and redox kinetics by its central Fe−N 4 units and F functional groups. The strong electron withdraw F groups significantly promote the conjugate effect and decrease the steric hindrance during mass migration procedure. Distribution of relaxation time (DRT) analysis shows that the Fe−N 4 units exhibit strong affinity towards LiPS and the F groups further improve the Li + diffusion rate in Li 2 S nucleation and oxidation procedure, accomplishing a porous surface on cathode. As a result, the FePcF 16 /CNTs separator exhibits a high initial capacity of 1136.2 mAh g −1 at 0.2 C, outstanding rate capacity of 624.9 mAh g −1 at 5 C and superior long‐term stability at 2 C surviving 300 cycles with a low capacity decay of 0.43 ‰ per cycle.

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)
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 enseignants0,006
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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,231
Écart entre enseignants0,217 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemSusChemMême sujetAdvancements in Battery MaterialsTravaux en français237 207