Inkjet Printing for Batteries and Supercapacitors: State-of-the-Art Developments and Outlook
Notice bibliographique
Résumé
Inkjet printing enables contactless deposition onto fragile substrates for printed energy-storage devices and supports flexible batteries and supercapacitors with reduced material use. This review examines multilayer and interdigital architectures and analyzes how ink rheology, droplet formation, colloidal interactions, and the printability window govern performance. For batteries, reported inkjet-printed electrodes commonly deliver capacities of ~110–150 mAh g−1 for oxide cathodes at C/2–1 C, with coulombic efficiency ≥98% and stability over 102–103 cycles; silicon anodes reach ~1.0–2.0 Ah g−1 with efficiency approaching 99% under stepwise formation. Typical current densities are ~0.5–5 mA cm−2 depending on areal loading, and multilayer designs with optimized drying and parameter tuning can yield rate and discharge behavior comparable to cast films. For supercapacitors, inkjet-printed microdevices report volumetric capacitances in the mid-hundreds of F cm−3, translating to ~9–34 mWh cm−3 and ~0.25–0.41 W cm−3, with 80–95% retention after 10,000 cycles and coulombic efficiency near 99%. In solid-state configurations, stability is enhanced, although often accompanied by reduced areal capacitance. Although solids loading is lower than in screen printing, precise material placement together with thermal or photonic sintering enables competitive capacity, rate capability, and cycle life while minimizing waste. The review consolidates practical guidance on ink formulation, printability, and defect control and outlines opportunities in greener chemistries, oxidation-resistant metallic systems, and scalable high-throughput printing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».