MOF-Derived FeNb <sub>2</sub> O <sub>6</sub> /Carbon Nanofiber Hybrids with Enhanced Kinetics for High-Rate Lithium Storage
Notice bibliographique
Résumé
Niobium-based oxides, such as iron niobate (FeNb 2 O 6 ), are promising for high-rate lithium storage but suffer from low electrical/ionic conductivity, leading to rapid energy/power density decay. Herein, a synergistic strategy of nanoporous structure design and carbon nanofiber composite is employed. Fe-MOFs is used as precursors to prepare FeNb 2 O 6 /carbon nanofiber (FeNb 2 O 6 /CNF) composite via solvothermal and electrospinning methods. The mass ratio of MOF-235 to NbCl 5 is optimized to obtain porous FeNb 2 O 6 nanoparticles. Compared with FeNb 2 O 6 /C powder electrode, FeNb 2 O 6 /CNF exhibits a higher ionic diffusion coefficient. In addition, the FeNb 2 O 6 /CNF electrode achieves a higher specific capacity of 337 mA h g –1 at 1 A g –1, with 81% capacity retention after 500 cycles. At 5 A g –1, it maintains a specific capacity of about 130 mA h g –1, revealing that the carbon nanofiber structure significantly enhances electrochemical performance. Moreover, the capacitive control behavior of lithium-ion storage in FeNb 2 O 6 /CNF has been confirmed, demonstrating excellent kinetic performance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».