Sulfonated White‐Graphene for High‐Performance Gel Polymer Electrolytes: The Interplay between Ion Conductivity and Rheology
Notice bibliographique
Résumé
Abstract Research into flexible solid‐state supercapacitors for wearable electronics focuses on achieving high performance and safety. Gel polymer electrolytes (GPEs) are preferred over fully solid‐state electrolytes due to their better ionic conductivity while addressing safety concerns associated with liquid electrolytes. This study aims to enhance high‐performance gel polymer electrolytes (HP‐GPEs) by improving the ion transfer rate of polyvinyl alcohol (PVA) with sulfonated hexagonal boron nitride (known as white‐graphene) and exploring how rheology influences ion‐conduction within HP‐GPEs. The systematic analysis of GPEs highlights the dominant role of the loss factor in quasi‐solid GPEs. With less energy dissipation in the polymeric structure, ion movement occurs along an optimized pathway, as reflected in the calculated values of the diffusion coefficient and ion mobility from impedance analysis. Physico‐electro‐chemical characterizations of the HP‐GPEs revealed that the 3D network of 2D nanosheets and crystallites formed a more uniform and reduced pore size (decreasing from ≈7 µm to ≈221 nm), increased ion conduction by 6‐fold (70.7 mS cm −1 ), and led to an increment of ≈35% in specific capacitance with an impressive 96% retention after 10 000 cycles. These findings underscore the importance of engineering the rheological and structural properties in hydrogels as promising electrolytes for high‐performance energy storage devices.
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 | 0,000 | 0,000 |
| 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 ».