Monitoring the Electrochemical Processes in the Lithium–Air Battery by Solid State NMR Spectroscopy
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide A multi-nuclear solid-state NMR approach is employed to investigate the lithium–air battery, to monitor the evolution of the electrochemical products formed during cycling, and to gain insight into processes affecting capacity fading. While lithium peroxide is identified by 17 O solid state NMR (ssNMR) as the predominant product in the first discharge in 1,2-dimethoxyethane (DME) based electrolytes, it reacts with the carbon cathode surface to form carbonate during the charging process. 13 C ssNMR provides evidence for carbonate formation on the surface of the carbon cathode, the carbonate being removed at high charging voltages in the first cycle, but accumulating in later cycles. Small amounts of lithium hydroxide and formate are also detected in discharged cathodes and while the hydroxide formation is reversible, the formate persists and accumulates in the cathode upon further cycling. The results indicate that the rechargeability of the battery is limited by both the electrolyte and the carbon cathode stability. The utility of ssNMR spectroscopy in directly detecting product formation and decomposition within the battery is demonstrated, a necessary step in the assessment of new electrolytes, catalysts, and cathode materials for the development of a viable lithium–oxygen battery.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».