MétaCan
Menu
Retour à la cohorte
Enregistrement W4408375246 · doi:10.1002/aenm.202406139

Aqueous Zinc‐Based Batteries: Active Materials, Device Design, and Future Perspectives

2025· article· en· W4408375246 sur OpenAlexaff
Fang Dong, Shuhui Sun, Yong Lei

Notice bibliographique

RevueAdvanced Energy Materials · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesChina Scholarship CouncilDeutsche Forschungsgemeinschaft
Mots-clésMaterials scienceZincAqueous solutionNanotechnologyMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Aqueous zinc‐based batteries (AZBs) are emerging as a compelling candidate for large‐scale energy storage systems due to their cost‐effectiveness, environmental friendliness, and inherent safety. The design and development of high‐performance AZBs have thus been the focus of considerable study efforts; yet, certain properties of electrode materials and electrolytes still limit their development. Here, a comprehensive overview and evaluation of the current progress, existing limitations, and potential solutions for electrode materials to achieve long‐cycle stability and fast kinetics in AZBs is provided. Detailed analyses of the structural design, electrochemical behavior, and zinc‐ion storage mechanisms of various materials are presented. Additionally, key issues and research directions related to the design of zinc anodes and the selection of electrolytes are systematically discussed to guide the future design of AZBs with superior electrochemical performance. Finally, this review provides a comprehensive outlook on the future development of AZBs, highlighting key challenges and opportunities, to foster their continued rapid advancement and broader practical applications in the field.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,008
Tête enseignante GPT0,254
Écart entre enseignants0,246 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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

En bref

Citations59
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvanced battery technologies researchTravaux en français237 207