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 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) | 0,001 | 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 ».