MétaCan
Menu
Retour à la cohorte
Enregistrement W4413272199 · doi:10.1021/acsaem.5c01163

Construction of Stable Zn Anode by 3D Flamed Reduced Graphene Oxide with Long Cycling Life

2025· article· en· W4413272199 sur OpenAlexaff
Ziwei Gan, Lei Hu, Mengxuan Sun, Nengze Wang, Xiaohe Ren, Chunyang Jia, Zhijie Li, Xiaojun Yao

Notice bibliographique

RevueACS Applied Energy Materials · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesFundamental Research Funds for the Central Universities
Mots-clésCyclingGrapheneAnodeOxideMaterials scienceNanotechnologyMetallurgyElectrodeChemistry

Résumé

récupéré en direct d'OpenAlex

Aqueous zinc-ion capacitors (ZICs) have been regarded as an emerging energy storage device due to their excellent safety, low cost, environmental friendliness, and high energy density. However, poor cycling stability due to fatal defects of the zinc anode such as dendrite growth, corrosion, and passivation limits the better development of ZICs. Here, we propose a dual strategy of 3D host design and surface chemical modification. Zn foam is chosen as the anode skeleton to expand the 2D zinc metal into a 3D porous structure, providing abundant active sites and enhancing the electrical conductivity. Meanwhile, the flamed reduced graphene oxide (FRGO) coating is used as a protective and modulating layer for the 3D skeleton to enhance zinc deposition and effectively inhibit interfacial side reactions. As a verification, the prepared FRGO coated Zn foam (FRGO@Zn foam) in a symmetrical cell shows a stable cycle life of 1600 h at 1 mA cm –2 and 1 mAh cm –2 . Furthermore, when FRGO@Zn foam was used as the anode and dense rGO/FRGO graphene film used as the cathode, the energy density of the ZICs is as high as 118.4 Wh L –1 (124.6 Wh kg –1 ), and the capacitance retention rate is still 93.6% after 30,000 cycles, indicating that the anode has good application prospects in the ZIC field.

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 candidatesaucune
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 enseignants0,030
Score d'incertitude au seuil0,875

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 Opus0,006
Tête enseignante GPT0,216
Écart entre enseignants0,210 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Energy MaterialsMême sujetAdvanced battery technologies researchTravaux en français237 207