MétaCan
Menu
Retour à la cohorte
Enregistrement W2038807397 · doi:10.1021/cm902696j

Positive Electrode Materials for Li-Ion and Li-Batteries

2010· article· en· W2038807397 sur OpenAlexaff
B. Ellis, Kyu Tae Lee, Linda F. Nazar

Notice bibliographique

RevueChemistry of Materials · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésElectrodeNanotechnologyMaterials scienceNanocompositeLithium (medication)CathodeEngineering physicsChemistryElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Positive electrodes for Li-ion and lithium batteries (also termed “cathodes”) have been under intense scrutiny since the advent of the Li-ion cell in 1991. This is especially true in the past decade. Early on, carbonaceous materials dominated the negative electrode and hence most of the possible improvements in the cell were anticipated at the positive terminal; on the other hand, major developments in negative electrode materials made in the last portion of the decade with the introduction of nanocomposite Sn/C/Co alloys and Si−C composites have demanded higher capacity positive electrodes to match. Much of this was driven by the consumer market for small portable electronic devices. More recently, there has been a growing interest in developing Li−sulfur and Li−air batteries that have the potential for vastly increased capacity and energy density, which is needed to power large-scale systems. These require even more complex assemblies at the positive electrode in order to achieve good properties. This review provides an overview of the major developments in the area of positive electrode materials in both Li-ion and Li batteries in the past decade, and particularly in the past few years. Highlighted are concepts in solid-state chemistry and nanostructured materials that conceptually have provided new opportunities for materials scientists for tailored design that can be extended to many different electrode materials.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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 Opus0,005
Tête enseignante GPT0,223
Écart entre enseignants0,217 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1 682
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemistry of MaterialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207