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

Arrhenius 斜率与活化能放大图样 ↗
给这张图选配色 →

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。

第一次用?先安装桌面软件 →

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。

Dipole-dipole interaction-induced dense primitive solid-electrolyte interphase for high-power Ah-level anode-free sodium metal batteries ↗

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

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
讨论或改进这份资源 → 返回资源库 →