MétaCan
Menu
← Retour à la cohorte
Enregistrement W6902986914 · doi:10.1016/j.carbon.2025.120608

Improved graphene-based sodium-ion battery anodes using low surface area, low temperature reduced graphene oxide powders

2025· article· en· W6902986914 sur OpenAlexafffund

Notice bibliographique

RevueCarbon · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsDeutsche Forschungsgemeinschaft
Mots-clésGrapheneOxideAnodeExfoliation jointElectrolyteSpecific surface areaElectrochemistryBattery (electricity)

Résumé

récupéré en direct d'OpenAlex

Reduced graphene oxide (rGO) is a promising high-capacity anode material for sodium-ion batteries (SIBs). However, the high electrochemically accessible surface area of typical rGO electrodes causes excessive solid electrolyte interface formation yielding large irreversible capacities during initial cycles. To overcome this limitation, we report an approach to generate low surface area rGO powders through a combination of spray drying and slow thermal reduction to avoid exfoliation. The performance of these electrodes reduced at various temperatures (200 °C -1000 °C) is compared to similarly treated rGO but exfoliated to create a more typical high surface area rGO electrode to decouple the effects of surface area and oxygen content on electrochemical performance. Low surface area powders, reduced at lower temperatures than studied before (400 °C) are found to exhibit the best performance in terms of desodiation capacity (216 mAh g-1 at 100 mA g-1), and stability (85% retention over 200 cycles) while reducing the irreversible capacity loss by two to threefold compared to previous literature. While further improvements are necessary to make this material system practical, these results highlight the need for improved granularization strategies that further reduce surface area, increase restacking order and target the optimal level of oxygen functionalization.

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 seuil0,002

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,227
Écart entre enseignants0,218 · 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

Citations9
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCarbon→Même sujetAdvancements in Battery Materials→Travaux en français237 207→