Facile Synthesis of Lithium Sulfide@Carbon Nanocomposite via Precursor Solution Infiltration-Decomposition for High-Performance Lithium Sulfide Batteries
Notice bibliographique
Résumé
Lithium–sulfur batteries (LSBs) based on lithium sulfide (Li 2 S), or Li 2 S-LSBs, are promising candidates for next-generation energy storage due to their high theoretical capacity, lower costs, and environmental benefits compared to lithium-ion batteries. However, synthesizing Li 2 S-infiltrated mesoporous carbon nanocomposites (Li 2 S@C) to mitigate the low conductivity of Li 2 S has been challenging because of its high melting point and poor solubility. To address this, we developed an efficient synthesis method for Li 2 S@C nanocomposites under mild conditions. Li 2 S was first reacted with carbon disulfide (CS 2 ) in ethanol at ambient temperature, forming a highly soluble lithium trithiocarbonate (Li 2 CS 3 ) solution, which was easily infiltrated into mesoporous Super P carbon (SP) to form a Li 2 CS 3 @C nanocomposite. Thermal decomposition of Li 2 CS 3 at 400 °C produced Li 2 S@SP-400 nanocomposites with finely dispersed Li 2 S particles (∼11 nm) confined within the SP matrix. The Li 2 S-LSBs exhibited a high discharge capacity of 821 mA h g –1 (Li 2 S) (equivalent to 1190 mA h g –1 (S) based on sulfur content) and demonstrated superior rate and cycling performance compared to commercial Li 2 S, noninfiltrated Li 2 S-400 nanoparticles, and sulfur nanocomposites (S@SP) prepared by melt infiltration. This simple, scalable method offers a promising route for commercializing high-energy-density Li 2 S-LSBs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».