Dual-Functional Metal–Organic Framework Freestanding Aerogel Boosts Sulfur Reduction Reaction for Lithium–Sulfur Batteries
Notice bibliographique
Résumé
Lithium–sulfur (Li–S) technology stands out as a promising energy storage system. However, its journey toward practical implementation is hindered by sluggish sulfur reduction reaction (SRR) kinetics. A free-standing graphene aerogel (GA) combined with a copper-based metal–organic framework (MOF–GA) is fabricated as the sulfur host material for Li–S battery cathodes. The presence of MOF particles assumes a dual role, demonstrating its efficacy not only as a catalyst for the reduction reaction of graphene oxide (GO) but also as an electrochemical catalyst to promote sluggish SRR kinetics. The former amplifies electron transfer kinetics within the electrode, and the latter elevates the overall cell performance. Experimental results and theoretical calculations have proven the catalytic activity of MOF–GA electrodes, leading to a higher sulfur utilization of over 80% and a lower capacity decay of 0.082% per cycle. Under extreme conditions, the Li–S cells show a high initial specific capacity of 1113.0 mAh·g –1 under an elevated loading of 4.25 mg·cm –2 and a high sulfur fraction >70%. This study shows the effectiveness of the synergist effects of MOF particles within the GA framework in promoting the sulfur redox reaction in Li–S 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 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 | 0,001 | 0,001 |
| 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 ».