鑒于此,風(fēng)暴美國斯坦福大學(xué)崔屹教授和華中科技大學(xué)孫永明教授(共同通訊作者)報道了一種簡單的置換反應(yīng)制備三維叉指式金屬鋅/固態(tài)電解質(zhì)復(fù)合結(jié)構(gòu)電極,風(fēng)暴獨特的三維叉指式結(jié)構(gòu)抑制了電極循環(huán)過程中的表觀體積變化,同時固態(tài)電解質(zhì)避免了活性金屬與水相電解液的直接接觸以抑制副反應(yīng),由此實現(xiàn)金屬負極高度電化學(xué)可逆。顆引(g)金屬Zn電化學(xué)沉積(10mAhcm-2)后Zn/IHS電極的EPMA圖像。金屬負極易于加工且可批量制備,山楂是可充電金屬電池最常用的電極形式。

一顆山楂引發(fā)的“頭腦風(fēng)暴

此外,頭腦在大電流密度和高面積容量(20mAhcm-2和20mAhcm-2)的條件下,Zn/IHS電極實現(xiàn)了穩(wěn)定的沉積/溶解循環(huán),且過電位僅為10mV。圖三、風(fēng)暴在IHS固態(tài)電解質(zhì)層下的電化學(xué)Zn沉積(a)ZnSO4水相電解液和IHS固態(tài)電解質(zhì)的拉曼光譜。

一顆山楂引發(fā)的“頭腦風(fēng)暴

歡迎大家到材料人宣傳科技成果并對文獻進行深入解讀,顆引投稿郵箱[email protected]。

以鋅(Zn)金屬負極為例,山楂金屬Zn在充放電過程中體積變化大,將增加電極不穩(wěn)定性。飛秒X射線在量子材料動力學(xué)中的探測運用你真的了解電催化產(chǎn)氫這些知識嗎?已為你總結(jié)好,頭腦快戳。

經(jīng)過計算并驗證發(fā)現(xiàn),風(fēng)暴在數(shù)據(jù)庫中的26674種材料中,金屬/絕緣體分類的準確度為86%,僅僅有2414種材料被誤分類(圖3-2)。參考文獻[1]K.T.Butler,D.W.Davies,H.Cartwright,O.Isayev,A.Walsh,Nature,559(2018)547.[2]D.-H.Kim,T.J.Kim,X.Wang,M.Kim,Y.-J.Quan,J.W.Oh,S.-H.Min,H.Kim,B.Bhandari,I.Yang,InternationalJournalofPrecisionEngineeringandManufacturing-GreenTechnology,5(2018)555-568.[3]周子揚,電子世界,(2017)72-73.[4]O.Isayev,C.Oses,C.Toher,E.Gossett,S.Curtarolo,A.Tropsha,Naturecommunications,8(2017)15679.[5]V.Stanev,C.Oses,A.G.Kusne,E.Rodriguez,J.Paglione,S.Curtarolo,I.Takeuchi,npjComputationalMaterials,4(2018)29.[6]A.Rovinelli,M.D.Sangid,H.Proudhon,W.Ludwig,npjComputationalMaterials,4(2018)35.[7]J.C.Agar,Y.Cao,B.Naul,S.Pandya,S.vanderWalt,A.I.Luo,J.T.Maher,N.Balke,S.Jesse,S.V.Kalinin,AdvancedMaterials,30(2018)1800701.[8]R.K.Vasudevan,N.Laanait,E.M.Ferragut,K.Wang,D.B.Geohegan,K.Xiao,M.Ziatdinov,S.Jesse,O.Dyck,S.V.Kalinin,npjComputationalMaterials,4(2018)30.[9]A.Maksov,O.Dyck,K.Wang,K.Xiao,D.B.Geohegan,B.G.Sumpter,R.K.Vasudevan,S.Jesse,S.V.Kalinin,M.Ziatdinov,npjComputationalMaterials,5(2019)12.[10]Y.Zhang,C.Ling,NpjComputationalMaterials,4(2018)25.[11]H.Trivedi,V.V.Shvartsman,M.S.Medeiros,R.C.Pullar,D.C.Lupascu,npjComputationalMaterials,4(2018)28.往期回顧:顆引認識這些帶你輕松上王者——電催化產(chǎn)氧(OER)測試手段解析新能源材料領(lǐng)域常見的碳包覆法——應(yīng)用及特點單晶培養(yǎng)秘訣——知己知彼,顆引對癥下方,方能功成。

并利用交叉驗證的方法,山楂解釋了分類模型的準確性,精確度為92±0.01%(圖3-9)。有很多小伙伴已經(jīng)加入了我們,頭腦但是還滿足不了我們的需求,期待更多的優(yōu)秀作者加入,有意向的可直接微信聯(lián)系cailiaorenVIP。

友鏈

外鏈

互鏈


Copyright © 2023 Powered by
一顆山楂引發(fā)的“頭腦風(fēng)暴-博大精深網(wǎng)
sitemap

贊一個、收藏了!

分享給朋友看看這篇文章

相關(guān)標簽

熱門推薦