MétaCan
Menu
Retour à la cohorte
Enregistrement W4414564322 · doi:10.1021/acsami.5c12948

Synergistic Effect of VS<sub><b>2</b></sub>/MoS<sub><b>2</b></sub> as an Electrocatalyst for Accelerating Polysulfide Conversion in Lithium–Sulfur Batteries

2025· article· en· W4414564322 sur OpenAlexafffund
Thilini Boteju, Abinaya Sivakumaran, Sathish Ponnurangam, Venkataraman Thangadurai

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlliance de recherche numérique du Canada
Mots-clésPolysulfideElectrocatalystElectrochemistryLamellar structureCatalysisAdsorptionBattery (electricity)Hydrothermal circulationConductivity

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide The shuttle effect of soluble lithium polysulfides (LiPSs) poses a formidable challenge that severely compromises the electrochemical performance of lithium–sulfur (Li–S) batteries. This study introduces a unique lamellar stacked VS 2 /MoS 2 nanoflower structure, prepared using a simple one-step hydrothermal synthesis method, to reduce the polysulfide shuttle effect in Li–S batteries. VS 2 /MoS 2 synergistically boosts LiPS conversion, combining VS 2 ’s high conductivity with the catalytic activity of MoS 2, as confirmed by density functional theory (DFT) calculations. Electrochemical testing demonstrated excellent performance for VS 2 /MoS 2 @S cathodes. It delivers an initial discharge-specific capacity of 1353 mAh g –1 at 0.1 C, and at 1 C, the capacity remains as high as 925 mAh g –1 . At 0.2 C, the initial discharge-specific capacity is 1299 mAh g –1, and the capacity retention rate reaches 55% after 500 cycles. This study provides valuable insights into designing and engineering high-performance heterostructures to enhance the adsorption of LiPSs and improve the reaction kinetics in Li–S batteries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 GPT0,226
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207