MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406961028 · doi:10.1021/jacs.4c14676

Activating Redox Chemistry of Quinones for High Energy Density Aqueous Sodium-Ion Batteries

2025· article· en· W4406961028 sur OpenAlexaff
Yizhong Gou, Nini Liu, Yu Peng, Jingwen Zhang, Jian Peng, Jiantao Han, Yunhui Huang, Chun Fang

Notice bibliographique

RevueJournal of the American Chemical Society · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensWestern University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésChemistryAqueous solutionRedoxIonSodiumEnergy densityInorganic chemistryOrganic chemistryEngineering physics

Résumé

récupéré en direct d'OpenAlex

Anode materials with high capacity and suitable redox potential are crucial for improving the energy density of aqueous sodium-ion batteries (ASIBs). And organic anode materials play a promising role due to their tunable electrochemical performance. However, the insufficient electroactive sites lead to a low capacity, hindering the elevation of energy density. Thus, it is essential to design organic molecules with multiple redox-active sites. Herein, we propose a strategy to activate redox sites by regulating the spatial distribution of delocalized electrons within the conjugation system, and the quinone rings are successfully activated as new reversible Na-ion storage sites via enhancing the electron density. The obtained 2,5-dihydroxy-1,4-benzoquinonatocobalt (Co-DHBQ) with electroactive quinone rings exhibits a superior capacity of 183 mA h g –1 accompanied by a multiple-electron transfer. Benefiting from the high capacity, the Co-DHBQ||Na 2 Mn[Fe(CN) 6 ]·2H 2 O (MnHCF) full cell outputs a ultrahigh energy density of 110 W h kg –1 (based on the total active material mass of the anode and cathode) with a lifespan of 3000 cycles. This work proposes a strategy to activate new redox sites, providing a new impetus for designing high-performance organic electrode materials and developing high energy density ASIBs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,233
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Chemical Society→Même sujetAdvancements in Battery Materials→Travaux en français237 207→