Development of a robust ion-selective membrane from sulfonated cellulose nanofibers for zinc–iodine redox flow batteries
Notice bibliographique
Résumé
Electrochemical cells play a critical role across various sectors, enabling technologies in renewable energy generation and storage, environmental monitoring, and management. Among different options, redox flow batteries (RFBs) are gaining importance for large-scale energy storage applications due mainly to their decoupled power and energy outputs associated with easily scalable design. As part of most acidic and neutral RFBs, proton exchange membranes (PEMs) are essential for transport of cations, preventing the mixing of anolyte and catholyte while still allowing high ion conductivity. However, many commercial PEMs are made of poly and perfluoroalkyl substances (PFAS) and besides being expensive and petroleum feedstock-derived, they raise significant environmental concerns. In this work, we developed high-efficiency sulfonated nanocellulose membranes (S-CNF) incorporating layer-by-layer assembly silanization modification. The S-CNF membranes exhibited excellent thermal-oxidative stability (up to 250 °C), dimensional stability, and mechanical strength (Young’s modulus reaching 1.4 GPa and storage modulus exceeding 1.1 GPa). Additionally, they demonstrated high moisture-uptake (absorbing up to 90% water after 48 h). A zinc-iodine redox flow battery (ZIRFB) assembled with S-CNF membranes achieved an average coulombic, voltage and energy efficiencies of 98%, 66%, and 65%, respectively, at a current density of 20 mA cm -2 —comparable to commercially available RFBs. Overall, the S-CNF membranes developed in this study offer a bio-based, simple, cost-effective, and durable alternative to conventional PEMs, with promising scalability for energy storage applications in ZIRFBs.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».