Combinatorial Study of Sn[sub 1−x]Co[sub x] (0<x<0.6) and [Sn[sub 0.55]Co[sub 0.45]][sub 1−y]C[sub y] (0<y<0.5) Alloy Negative Electrode Materials for Li-Ion Batteries
Notice bibliographique
Résumé
Using combinatorial and high-throughput materials science methods, we have studied thin-film libraries of Sn 1 − x Co x ( 0 < x < 0.6 ) and [ Sn 0.55 Co 0.45 ] 1 − y C y ( 0 < y < 0.5 ) alloy negative electrode materials for Li-ion batteries. Over one hundred compositions have been studied carefully by X-ray diffraction and electrochemical methods. The Sn 1 − x Co x system is found to be amorphous for 0.28 < x < 0.43 . For 0.43 < x < 0.6 , the amorphous phase coexists with electrochemically inactive crystalline Co 3 Sn 2 . Amorphous materials with x = 0.4 show a specific capacity of 650 mAh ∕ g , but differential capacity, d Q ∕ d V , vs potential is not stable vs cycling indicating irreversible atomic-scale changes in the alloy, most likely due to tin aggregation. Adding carbon to this system, for example in the [ Sn 0.55 Co 0.45 ] 1 − y C y ( 0 < y < 0.5 ) library, has a number of positive effects. First, all alloys with 0.05 < y < 0.5 are amorphous, with carbon directly incorporated within the amorphous phase. Second, the addition of carbon increases, not decreases, the specific capacity from about 670 ± 15 mAh ∕ g for y = 0.05 to 700 ± 15 mAh ∕ g for y = 0.4 . Third, compositions with y ≅ 0.4 show differential capacity vs potential curves that do not change during charge-discharge cycling, indicating that such alloys are stable on the atomic scale and hence are extremely good candidates for long cycle life. Stability increases with carbon content up to y = 0.4 .
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».