MétaCan
Menu
Retour à la cohorte
Enregistrement W4411444310 · doi:10.1021/acsenergylett.5c01080

Constructing All-Climate Hybrid Sodium Ion/Metal Batteries through Intersolvent Synergistic Effect

2025· article· en· W4411444310 sur OpenAlexaff
Yiwen Gao, Haifeng Tu, Jiangyan Xue, Yan Wang, Shiqi Zhang, Suwan Lu, Lingwang Liu, Keyang Peng, Guochao Sun, Guangye Wu, Peng Ding, Yi Yang, Zhicheng Wang, Jingjing Xu, Xiaodong Wu

Notice bibliographique

RevueACS Energy Letters · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensL'Alliance Boviteq
Organismes subventionnairesNational Key Research and Development Program of ChinaJiangsu Provincial Department of Human Resources and Social SecurityNational Natural Science Foundation of China
Mots-clésSodiumIonMetalMaterials scienceChemical engineeringEnvironmental scienceChemistryInorganic chemistryMetallurgyEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Rechargeable sodium ion batteries (SIBs) under extreme conditions are still limited by sluggish Na + transport/desolvation kinetics and unstable electrode/electrolyte interface, thus leading to rapid capacity decay and a short lifespan. Herein, electrolyte engineering is proposed via solvent–solvent hydrogen bonding interaction between dimethyl sulfite (DMS) and glutaronitrile (GN) solvents for wide-temperature SIBs. The formed hydrogen bonding between DMS and GN solvents not only enhances the antioxidative ability of DMS but also simultaneously promotes the formation of a loose solvation structure by distancing DMS from Na + ions, facilitating Na + transport/desolvation kinetics. The well-designed electrolyte exhibits wide-temperature application from −55 to 60 °C in NaNi 0.33 Fe 0.33 Mn 0.33 O 2 ||Na half cells, while the improved cycling stability with preactivated hard carbon anode is also obtained from −40 to 45 °C. This work sheds light on intersolvent synergistic effect for wide-temperature electrolyte design, specializing in regulating electrolyte thermodynamic and kinetic behavior.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,066
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,231
Écart entre enseignants0,223 · 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 tête enseignante, pas un consensus.

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

Citations16
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Energy LettersMême sujetAdvancements in Battery MaterialsTravaux en français237 207