Arrhenius 斜率与活化能
论文图型参考 · 原创模型演示。
合成示例 · 非实验数据
放大图样 ↗① 源码与 CSV 解压到同一文件夹。
② 请 AI 运行 render_existing.py,得到 PNG、SVG 和 PDF;再核对并换成你的数据。
源码和 CSV 解压到同一文件夹即可重画。图件和提示词可分别下载。
你也可以用自己的话说。
查看请求
请读取绘图包里的 README 和 metadata.json,按说明在项目独立环境中运行包内已有源码,重画这份演示数据。不要重新生成或改写演示 CSV。收到我的文件后,先核对列名、单位、归一化基准与测试条件,再在副本中适配。逐圈容量、库伦效率与容量保持率用散点,不加连线;连续电压和光谱用无点实线,数据坐标四周保留框线。全电池保持率需明确参考圈、参考容量和相同工况,缺项先补齐;Li‖Cu 不强加保持率。不要继承演示条件、补造数据或静默覆盖旧图;回复只给结果位置和必要的下一步。
论文依据、公式与适用范围
原创模型演示,不复现论文数据;图型参考与公式依据分别注明。
Figure 2c, f–i; Figure 3b, d
σ(T)=σref*exp[−Ea/Rg*(1/T−1/Tref)] Slope of lnσ vs 1000/T = −Ea/(1000 Rg)
Fixed activation energy, no phase transition and no VTF curvature. The plotted activation energies are known inputs, not fitted experimental results.
输入与使用边界
data.csv, model.json
输入格式、单位和条件见 README 与 metadata.json。示例是合成数据,不能用于论文实验结果。
Declared analytic parameters in scientific_basis.parameters; no experimental cell or material is assigned.
示例的模型与依据
按声明的教学模型生成。参数为自设,引用支持公式或测试方法,不是从论文复制的实测数字。
计算关系
- σ(T)=σref*exp[−Ea/Rg*(1/T−1/Tref)]
- Slope of lnσ vs 1000/T = −Ea/(1000 Rg)
使用边界
- Fixed activation energy, no phase transition and no VTF curvature. The plotted activation energies are known inputs, not fitted experimental results.
模型来源
- Dipole-dipole interaction-induced dense primitive solid-electrolyte interphase for high-power Ah-level anode-free sodium metal batteries
Spectral, radial, temperature-conductivity and MSD plot forms; not this paper’s parameters.
相关资源
来源与引用
原创合成示例,数据与本版源码包含在绘图包内;未使用论文数据或原图
VoltPeer. Arrhenius 斜率与活化能. Synthetic teaching delivery, version 1.0.0; data generator 1.0.0.BIB ↓ RIS ↓
VoltPeer maintainers · v1.0.0 · MIT
文件、校验与检查状态
文件和格式已检查;模型测试范围见适配说明。格式检查不代表科学审核。
assets/showcase/paper_activation_fit/data.csv a89d1f715c966b3519e005636d016df67ca424d356b08adc5c2374b013943760 assets/showcase/paper_activation_fit/figure.pdf 57843af42866b412ddf3afe0a1f8064c23244e0fdc1825ca6b581c954a4516fa assets/showcase/paper_activation_fit/figure.png 7a350cec02f747469ac3b6757cbfeca1877e49f630f556687fa25af512027711 assets/showcase/paper_activation_fit/figure.svg d08ff0e4e621470222b7c8baa1342abd8b596b2e4f38a27a046164bf480385b4 assets/showcase/paper_activation_fit/metadata.json 3ca7b68eadcbb9774fddf87930450726ac72ca5673b9f4796d6b637e106e7419 assets/showcase/paper_activation_fit/model.json aaaf62cfcfb8296e113661af57afc73efa53476b57a0beca5a0da1aeaa0ca50f assets/showcase/paper_activation_fit/render-report.json d4728d2ae3a643ffa75935db20f9420ba6c01ef694ce0226305f8634a7c1821c assets/showcase/BRF-demo-paper_activation_fit.zip c5c983d558f4b2740ce7400e82086faf261276ce2aec4ee121d9656697080b31 assets/citations/paper_activation_fit.bib 47458412607a588d08adef0390678e9d8a890430b0d96dd668d402b5d2f37e81 assets/citations/paper_activation_fit.ris 95af14d39430961c5fe0542542aa28e832d34a722b92877e708db7edecc8ff9f