检索结果-南通市图书馆

Iron atom-nanoparticles for interactional enhancing the electrocatalytic reaction activity in Li-S batteries

Chinese Chemical Letters 2023年第11期34卷 311-316页

作者： gamal.h.al-shawesh Jiawen Zhu Wei Zhang Shuai Xie Junjie Xu Guolei Cai Amar Y.al-Ansi Yunhong Wei Song Jin hengxing Ji hefei National Laboratory for Physical Sciences at the Microscale CAS Key Laboratory of Materials for Energy ConversionDepartment of Applied ChemistryUniversity of Science and Technology of ChinaHefei 230026China Department of Chemistry Faculty of EducationThamar UniversityDhamarYemen School of Chemistry and Chemical Engineering Hefei University of TechnologyHefei 230009China

The undesirable shuttle effect and sluggish redox kinetics of polysulfides seriously result in low sulfur utilization and poor capacity ***,an integrated strategy is proposed by rational designing multifunctional architecture to manipulate the redox kinetics of polysulfides,specifically,by employing iron atoms(Fe-As)and iron-species nanoparticles(Fe-NPs)co-embedded nitrogen-doped carbon nanotube(Fe-NCNT)as catalyst and host for *** synergistic cooperation of Fe-As and Fe-NPs provides efficient active sites to facilitate the diffusion,strengthen the affinities,and promote the conversion reactions for ***,the NCNT not only offers practical Li+transport pathways but also immobilize the polysulfides *** from these merits,the Fe-NCNT/S electrodes exhibit high initial specific capacity of 1502.6 mAh/g at 0.1 C,outstanding rate performance(830 mAh/g at 2 C),and good cycling performance(597.8 mAh/g after 500 cycles with an ultralow capacity fading rate of 0.069%per cycle).This work features the distinct interaction of iron atom-nanoparticles on facilitating immobilization-diffusion-transformation process of polysulfides,and it also expected to pave the way for the application in practical Li-S batteries.

关键词： N-doped carbon nanotubes Iron atoms Iron nanoparticles Electrocatalyst Li-S batteries

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

锂硫电池碳基电催化剂的设计与合成

锂硫电池碳基电催化剂的设计与合成

引用

作者： gamal hussein ali al-shawesh 中国科学技术大学

学位级别：硕士

随着经济的发展,风能、太阳能和水力发电,等可持续能源越来越受到人们的关注。然而,由于太阳能和风能,等可再生能源的间歇性,各种可存储间歇性能源的电池、超级电容器,等电化学储能技术成为可再生能源利用过程的重中之重。在新一代储能... 详细信息

随着经济的发展,风能、太阳能和水力发电,等可持续能源越来越受到人们的关注。然而,由于太阳能和风能,等可再生能源的间歇性,各种可存储间歇性能源的电池、超级电容器,等电化学储能技术成为可再生能源利用过程的重中之重。在新一代储能技术中,锂硫电池（Li-S）因其成本低、环境友好且具有较高的理论能量密度(2600Wh kg)和理论比容量(1675 mAh g)而被认为是下一代储能系统中最有希望的候选者之一。然而,锂硫电池的商业化应用仍面临着一些严重问题。锂硫电池的性能取决于硫和其放电产物LiS/LiS之间的转化过程动力学,而上述转化过程缓慢的动力学过程严重影响其电化学性能。其次,锂硫电池中中间产物多硫化物（LiPS）的“穿梭效应”现象还需要根本性的突破以抑制其带来的容量快速衰减。因此,构建对LiPS具有高催化能力和强亲和力的载体材料仍然是必不可少的。该载体不仅能够物理地限制LiPS的扩散,而且还具备能够增强LiPS氧化还原过程的动力学的催化能力。为了克服这些问题,本论文通过探索不同的碳基质来固载和加速硫的转化。具体来说,通过对比具有不同氧缺陷的商业化碳纳米管:h-CNT、M-CNT和L-CNT,探索其中不同氧缺陷对Li-S电池多硫化物吸附和转化的影响。此外,通过引入铁单原子催化剂改进和优化碳基材料,设计了具备高导电性的多孔复合材料,研究了其电化学性能和其中的作用机制,具体研究如下:（1）我们探索了具有不同氧缺陷的碳纳米管:h-CNT、M-CNT和L-CNT,作为Li-S电池硫正极载体时,氧缺陷对于硫的催化转换反应作用机制及其电化学性能的影响。根据XPS结果得知,M-CNT具有最高的C-O含量,对LiPS转化具有最高的催化活性。M-CNT还具有导电多孔结构,可用于促进锂离子的传输和LiPS的有效固载,从而抑制穿梭效应。并且,M-CNT上的含氧缺陷（OD）还提供了增强LiPS转化的活性位点,其表面存在的氧官能团（C-O）对提高LiPS的催化能力起着至关重要的作用。因此,M-CNT/S复合材料在4 C下表现出高倍率性能（容量保持率为77%）和长循环稳定性(在1 C下循环600次后容量保持为 448.1 mAh g)。（2）成功制备了铁单原子（Fe-SAcs）和铁纳米颗粒（Fe-NPs）共嵌氮掺杂碳纳米管（Fe-NCNT）作为高性能Li-S电池的催化剂和载体。实验结果表明,均匀分散的Fe-As与Fe-NPs协同提供了有效的活性位点,增强了对LiPS的吸附和催化转化,进而优化了锂硫电池充放电过程中的氧化还原反应动力学。此外,氮掺杂的碳纳米管NCNT作为基体材料不仅可以提高正极的导电性,还可以缩短Li+的传输途径。因此,Fe-NCNT/S复合材料在1 C下循环500次后表现出1502.6 mAh g的显著初始比容量和597.8 mAh g的可逆比容量,每圈循环的容量衰减率低至0.069%。此外,载硫量为2.3 mg cm的Fe-NCNT/S电极在0.5 C循环200次后也显示出611.8 mAh g的高可逆比容量。

关键词：铁原子铁纳米粒子电催化剂氧官能团氮掺杂碳纳米管碳纳米管和锂硫电池

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络的直肠癌病理图像分类模型

基于神经网络的直肠癌病理图像分类模型

引用

作者：任达万（Radwan al-shawesh）华东师范大学

学位级别：硕士

直肠癌(Colorectal Cancer,CRC)也被称为碗癌,是世界范围内导致死亡的主要原因之一,早期诊断已成为成功治疗的关键。随着卷积神经网络(CNN)的新进展,可以将不同的CRC图像分成不同的类别,确定该CRC图像的组织特性,指导医生进行病理诊断... 详细信息

直肠癌(Colorectal Cancer,CRC)也被称为碗癌,是世界范围内导致死亡的主要原因之一,早期诊断已成为成功治疗的关键。随着卷积神经网络(CNN)的新进展,可以将不同的CRC图像分成不同的类别,确定该CRC图像的组织特性,指导医生进行病理诊断。由于医生手动分类耗时且容易误判,使用深度学习对CRC图形进行自动分类变得尤为重要。本论文将使用神经网络对CRC图像进行学习训练,实现高精度高准确的分类,并开发所需的软件工具使得本论文工作具有实际医学应用价值。本文使用德国肿瘤疾病中心(NCT)数据集。本文将迁移学习和微调技术与ResNet-50模型相结合对CRC组织病理学图像进行学习分类。实验结果表明,在所有的CNN网络体系结构中,基于NCT数据集,ResNet＿50模型能够高准确地对CRC组织病理学图像进行高精度分类,其准确率为97.7%。基于本文设计的模型与技术开发了直肠癌病理图像分类软件(AI pathologist)对CRC图像自动分类。在AI pathologist软件中输入CRC图像,工具对其进行自动分类并给出分类的概率。对于不确定的类别,工具对该图像进行标注,医生可以手动抽取CRC图像,进行手动分类。该工具能够对CRC图像进行高效和准确的分类,提高了CRC病理诊断效率,对CRC的临床诊断具有巨大应用价值。

关键词：直肠癌迁移学习组织病理学图像卷积神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：