Influence of Nitrogen Doping and Pre‐Carbonization on the Performance of Lignin‐Derived Activated Carbon for Supercapacitor Applications
Notice bibliographique
Résumé
Abstract Nanostructured carbons are widely used as active materials for supercapacitor applications owing to their high specific surface area and electrical conductivity. Biomass waste‐derived materials can be sustainably produced. In this work, highly porous activated carbon was prepared from lignin waste for supercapacitor applications, and the effects of nitrogen doping and a pre‐carbonization treatment on the final performance were investigated. Particularly, activated carbonized lignin (ACL) and activated lignin (AL) samples were prepared with or without a pre‐carbonization step, respectively, and with or without nitrogen doping. Nitrogen doping of the samples was found to decrease the capacitance owing to the loss of critical oxygen‐containing functional groups, which provide pseudocapacitance. Meanwhile, the use of a pre‐carbonization treatment greatly improved the surface area and capacitance of the materials. Sorptometry analysis indicated that ACL and AL have high specific surface areas of 3174 and 2289 m 2 g −1 , respectively. ACL achieved a specific capacitance of 306.4 F g −1 and 292.1 F g −1 in 1 mol L −1 KOH and H 2 SO 4 , respectively. Furthermore, the contribution of a pre‐carbonization treatment to improve the surface area and maintain the presence of oxygen‐containing functional groups was identified as beneficial towards improving the pseudocapacitance properties of the porous carbon materials.
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 ».