MétaCan
Menu
Retour à la cohorte
Enregistrement W1973495673 · doi:10.1088/0957-4484/26/2/024001

Elegant design of electrode and electrode/electrolyte interface in lithium-ion batteries by atomic layer deposition

2014· article· en· W1973495673 sur OpenAlexaff
Jian Liu, Xueliang Sun

Notice bibliographique

RevueNanotechnology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésAtomic layer depositionMaterials scienceMicroelectronicsElectrolyteElectrodeNanotechnologyLithium (medication)Engineering physicsNanoarchitectures for lithium-ion batteriesDeposition (geology)Energy storageLayer (electronics)OptoelectronicsElectrochemistryPower (physics)EngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Lithium-ion batteries (LIBs) are very promising power supply systems for a variety of applications, such as electric vehicles, plug-in hybrid electric vehicles, grid energy storage, and microelectronics. However, to realize these practical applications, many challenges need to be addressed in LIBs, such as power and energy density, cycling lifetime, safety, and cost. Atomic layer deposition (ALD) is emerging as a powerful technique for solving these problems due to its exclusive advantages over other film deposition counterparts. In this review, we summarize the state-of-the-art progresses of employing ALD to design novel nanostructured electrode materials and solid-state electrolytes and to tailor electrode/electrolyte interface by surface coatings in order to prevent unfavorable side reactions and achieve optimal performance of the electrode. Insights into the future research and development of the ALD technique for LIB applications are also discussed. We expect that this review article will provide resourceful information to researchers in both fields of LIBs and ALD and also will stimulate more insightful studies of using ALD for the development of next-generation LIBs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,006
Tête enseignante GPT0,217
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), 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

Citations157
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetAdvancements in Battery MaterialsTravaux en français237 207