Carbonaceous Materials as Anodes for Lithium-Ion and Sodium-Ion Batteries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The increasing global population and, thus, energy demand have made research into renewable energy sources more critical. Lithium-ion batteries (LIBs) and sodium-ion batteries (SIBs) have been recognized as the most promising technologies for storing energy and effectively addressing this demand. Carbonaceous materials are the most widespread anode material due to their fascinating features, such as high theoretical capacity, high electrical conductivity, and excellent structural stability. Additionally, these materials’ abundance, cost-effectiveness, and environmental friendliness have emphasized the need for further investigation and development. Among these carbon-based materials, graphite (both artificial and natural) stands out as the most ubiquitous anode material due to its layered crystal structure, high mechanical strength, long cycle life, and excellent safety profile, making it ideal for intercalation with lithium and sodium. In recent years, extensive research has been conducted to enhance the efficiency of anodes and, ultimately, the overall performance of batteries. In this review, the role of carbonaceous materials in anodes for lithium-ion and sodium-ion batteries was comprehensively investigated, focusing on advancements in synthesizing and optimizing artificial graphite. Furthermore, the intercalation mechanism and the factors influencing the electrochemical properties of both LIBs and SIBs were extensively discussed. This work also provides a holistic perspective on the differences between these two types of batteries, highlighting their cost, safety applications, and future potential advancement.
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.
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 découle