Recent Advances in Development of Organic Battery Materials for Monovalent and Multivalent Metal-Ion Rechargeable Batteries
Notice bibliographique
Résumé
Rechargeable monovalent and multivalent metal-ion batteries have emerged as sustainable energy storage systems in view of their low cost, high safety, rich resources, and abundance of metallic resources (monovalent metals such as Li, Na and K and multivalent metals such as Mg, Ca, Zn and Al). However, their further development and application are hindered by the lack of high-energy electrode materials. Organic battery materials (OBMs) in both monovalent and multivalent metal–organic batteries (MOBs) offer unique opportunities thanks to their abundant structural diversity and tunability. This Review presents the recent progress on the developments of OBMs ( Collection of organic battery materials from the recently published articles in a single issue of the three ACS journals such as ACS Applied Polymer Materials, ACS Applied Energy Materials, and ACS Applied Materials & Interfaces ) in enhancing the electrochemical performances of MOBs, including nonaqueous rechargeable monovalent Li/Na/K-ion batteries, Li–S batteries and aqueous/nonaqueous rechargeable multivalent Mg/Ca/Zn/Al-ion batteries. We first presented the structural characteristics, energy storage mechanism and electrochemical performance of different types of OBMs in MOBs, including redox-active polymer, organosulfur compounds, redox-active porous polymers, conductive polymers, organic carbonyl compounds, small molecules, aromatic polymers/polyimides, polymer frameworks, covalent-organic frameworks and metal–organic frameworks and so on. Further, an overview of OBMs in MOBs, the correlation between molecular structure and electrochemical redox properties, and electrolyte system with working potential range is also provided and discussed. This is then followed by an overview on different strategies employed to realize the high-performances of MOBs through structural engineering, polymerization, hybridization, and amorphization of OBMs. Finally, a conclusion and perspective is given for the future development in OBMs for MOBs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».