MétaCan
Menu
Retour à la cohorte
Enregistrement W2006209914 · doi:10.1039/c4dt01611d

Na-doped Ni-rich LiNi<sub>0.5</sub>Co<sub>0.2</sub>Mn<sub>0.3</sub>O<sub>2</sub>cathode material with both high rate capability and high tap density for lithium ion batteries

2014· article· en· W2006209914 sur OpenAlexaff
Weibo Hua, Jibin Zhang, Zhuo Zheng, Wenyuan Liu, Xihao Peng, Xiaodong Guo, Benhe Zhong, Yan-Jie Wang, Xin-Long Wang

Notice bibliographique

RevueDalton Transactions · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCathodeDopingElectrochemistryAnalytical Chemistry (journal)Lithium (medication)HydroxideIonInorganic chemistryElectrodeChemistryPhysical chemistryOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Na-doped Ni-rich LiNi0.5Co0.2Mn0.3O2 cathode material, Li0.97Na0.03Ni0.5Co0.2Mn0.3O2, is synthesized by a hydroxide co-precipitation route. The structural characterization reveals that the substitution of Na for Li results in a more ordered α-NaFeO2 structure, enlarges Li layer spacing, and reduces the degree of cation mixing. The Li0.97Na0.03Ni0.5Co0.2Mn0.3O2 material has a high tap density of 2.17 g cm(-3) that meets the commercial requirement in lithium ion batteries (LIBs). The galvanostatic charge/discharge results show that the electrochemical performance of the Li0.97Na0.03Ni0.5Co0.2Mn0.3O2 is significantly improved. At 0.2, 1, 10, 30 and 50 C, the specific capacities of the Li0.97Na0.03Ni0.5Co0.2Mn0.3O2 are 228.43, 163.12, 121.43, 95.56 and 60.09 mA h g(-1), respectively, which are superior to those of the undoped LiNi0.5Co0.2Mn0.3O2 due to the enlargement of Li layer spacing, the decreased degree of cation mixing, and the rapid diffusion of Li-ion in the bulk lattice after the substitution of Na for Li. Therefore, the Na-doped Ni-rich LiNi0.5Co0.2Mn0.3O2 material is a promising cathode candidate for the next generation of 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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,220
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

Citations206
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDalton TransactionsMême sujetAdvancements in Battery MaterialsTravaux en français237 207