Conductive Polymer-Based Electrodes and Supercapacitors: Materials, Electrolytes, and Characterizations
Notice bibliographique
Résumé
New materials and the interactions between them are the basis of novel energy storage devices such as supercapacitors and batteries. In recent years, because of the increasing demand for electricity as an energy source, the development of new energy storage materials is among the most actively studied topics. Conductive polymers (CPs), because of their intrinsic electrochemical activity and electrical conductivity, have also been intensively explored. While most of the high capacitance reported in the literature comes from hybrid materials, for example, conductive polymers composed of metal oxides and carbon materials, such as graphene and carbon nanotubes, new chemistry and the 3D structure of conductive polymers remain critical. This comprehensive review focuses on the basic properties of three popular conductive polymers and their composites with carbon materials and metal oxides that have been actively explored as energy storage materials, i.e., polypyrrole (PPy), polyaniline (PANi), and polythiophene (PTh), and various types of electrolytes, including aqueous, organic, quasi-solid, and self-healing electrolytes. Important experimental parameters affecting material property and morphology are also discussed. Electrochemical and analytical techniques frequently employed in material and supercapacitor research are presented. In particular, cyclic voltammetry (CV) and electrochemical impedance spectroscopy (EIS) are discussed in detail, including how to extract data from spectra to calculate key parameters. Pros and cons of CP-based supercapacitors are discussed together with their potential applications.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».