麦立强/周亮Small：调节硬碳纳米纤维的层间距增强孔隙填充钠存储

硬碳 (HC) 材料因其大的层间距 (> 0.34 nm) 和低电位 (<0.3 V) 而表现出优异的钠存储性能，其不规则排列的石墨层能够提供丰富的钠储存位点。因此，设计高性能HC材料并了解其钠存储机制具有重要意义。

在此，武汉理工大学麦立强教授、周亮教授等人通过精确调节树脂纳米纤维的碳化温度构建了一系列具有可调层间距的多孔且坚固的硬碳纳米纤维（HCNF）以了解HC中的钠存储方式。研究表明，随着碳化温度的升高，HCNFs逐渐从无序向有序的局部结构转变，伴随着短程石墨畴的产生和缺陷的减少。

此外，石墨畴的层间距随着碳化温度的升高而变窄。原位XRD和拉曼测量揭示了一种改进的吸附/插层填充钠存储机制。结合DFT计算，作者揭示了孔隙填充平台容量与层间距之间的详细关系。

图1. HCNF-1200/1400/1600的储钠性能

结果表明，足够的层间距 (>0.37 nm) 为Na⁺提供扩散通道从而到达孔以实现进一步填充。优化的HCNF-1400具有丰富的短程石墨畴和足够的层间距 (0.37~0.40 nm) 用于Na⁺扩散，因此，其显示出高可逆钠存储容量 (388 mAh g^-1@30 mA g^-1) 和良好的倍率性能 (167 mAh g^-1@500 mA g^-1）。

此外，作者还揭示了循环过程中的容量衰减机制，这可能是由于重复的Na⁺嵌入/提取引起的短程石墨畴的破坏。该研究不仅为硬碳材料的钠储存机制提供了新的见解，而且为高性能硬碳材料提供了合理的设计策略。

图2. 不同层间距下Na⁺嵌入硬碳的DFT 计算

Regulating the Interlayer Spacings of Hard Carbon Nanofibers Enables Enhanced Pore Filling Sodium Storage, Small 2021. DOI: 10.1002/smll.202105303

华算科技推出了【机器学习+材料】零基础课程，针对零编程基础的化学、材料学工作者，先扎实学习当下最流行、与机器学习契合度最高的Python语言，再学习机器学习的基本算法，并对文献案例进行重现。课程包含大量实际操作内容，掌握编程神器Python与黑科技机器学习不再遥不可及。

点击阅读原文，提交计算需求！

原创文章，作者：科研小搬砖，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2023/10/11/a37ac9146a/

麦立强/周亮Small：调节硬碳纳米纤维的层间距增强孔隙填充钠存储

相关推荐