MétaCan
Menu
Retour à la cohorte
Enregistrement W1542330442 · doi:10.6000/2369-3355.2014.01.01.3

Microstructure Effects on Electrochemical Characteristics for Plasma Spray Deposited LiFePO4 Films

2014· article· en· W1542330442 sur OpenAlexvenueno aff
B. C. Satishkumar, Xuan Zhou, Nick Moroz, Pravansu Mohanty, Bi Fu, Yaping Wang

Notice bibliographique

RevueJournal of Coating Science and Technology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicrostructureMaterials scienceElectrochemistryPlasmaThermal sprayingChemical engineeringMetallurgyNanotechnologyChemistryElectrodeCoating

Résumé

récupéré en direct d'OpenAlex

The electrochemical behavior of composite electrodes used in Li ion batteries is influenced by factors such as microstructural characteristics (e.g. particle size, crystallinity, porosity etc.) and composition. For optimal performance of electrodes these factors are of utmost concern and serve as motivation for research in this field. In this report, we investigated LiFePO4 films synthesized by a novel plasma spray deposition method, which has capability for direct deposition of LiFePO4 films with carbon. This enables electrode characterizations to be carried out at the film level, without recourse to steps involving powder material handling. In this report microstructure and electrochemical properties of LiFePO4 films were investigated to elucidate their unique characteristics. Our studies show that factors such as porosity and microstructure of the films affect the electrochemical properties. The mechanical compression and thermal annealing experiments are shown to affect the electrochemical characteristics of LiFePO4 films. We show that annealing treatment leads to a drastic improvement in impedance and charge-discharge capacities for the LiFePO4 films. These treatments could serve to improve the electrode properties of porous film based materials for Li ion batteries and help us develop new film based materials for energy storage applications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,003
Tête enseignante GPT0,222
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Coating Science and TechnologyMême sujetAdvancements in Battery MaterialsTravaux en français237 207