A Consideration of Electrolyte Additives for LiNi<sub>0.5</sub>Mn<sub>1.5</sub>O<sub>4</sub>/Li<sub>4</sub>Ti<sub>5</sub>O<sub>12</sub>Li-Ion Cells
Notice bibliographique
Résumé
LNMO/LTO cells represent an excellent vehicle with which to test the impact of electrolyte additives on cell performance due to the high potential of LNMO which leads to electrolyte oxidation. Additives that prevent this oxidation are desired. Electrolyte additive researchers normally compare the capacity retention versus cycle number of cells with and without additives. If the capacity retention is improved, the additive is "good". In this paper, this logic is shown to be flawed. One additive, LiO- t -C 4 F 9 , which does improve capacity retention versus cycle number, is shown to do so by increasing electrolyte oxidation at the positive electrode. This causes increased charge end point capacity slippage and increased self discharge rates. As such, these additives, like many promoted in the literature, are not "good", but are "bad". On the other hand, one additive, Al(HFiP) 3 , is shown to reduce parasitic reactions at the LNMO electrode but does not lead to improved capacity retention. A full understanding of the impact of the additive on the parasitic reaction rates at both positive and negative electrodes is required before a sound judgment about the impact of an additive can be made. Therefore, additive researchers must pay attention to coulombic efficiency, capacity end point slippage, reversible and irreversible capacity loss during storage as well as voltage drop during storage in addition to the long-time cycling performance for cells to get an overall evaluation of electrolyte additives.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».