ARC Studies of the Effects of Electrolyte Additives on the Reactivity of Delithiated Li<sub>1-x</sub>[Ni<sub>1/3</sub>Mn<sub>1/3</sub>Co<sub>1/3</sub>]O<sub>2</sub>and Li<sub>1-x</sub>[Ni<sub>0.8</sub>Co<sub>0.15</sub>Al<sub>0.05</sub>]O<sub>2</sub>Positive Electrode Materials with Electrolyte
Notice bibliographique
Résumé
Using accelerating rate calorimetry (ARC), the effect of lithium bis(oxalato)borate (LiBOB), vinylene carbonate (VC) and succinonitrile (SN) electrolyte additives and LiPF 6 salt on the reactivity between electrolyte and charged positive electrode material has been investigated. The ARC samples were made with varying concentrations of LiBOB, VC and SN as electrolyte additives and delithiated Li 1-x [Ni 1/3 Mn 1/3 Co 1/3 ]O 2 (NMC) and Li 1-x [Ni 0.8 Co 0.15 Al 0.05 ]O 2 (NCA) charged to 4.2 V as positive electrode materials. The thermal stability of NMC decreases slightly with the addition of the electrolyte additives but the thermal stability of NCA increases with the addition of the electrolyte additives except in the case of VC. The thermal stability of NMC decreases as the concentration of LiPF 6 increases while the thermal stability of NCA increases as the concentration of LiPF 6 increases. The ARC results shown here suggest that additives and LiPF 6 salt can play a different role in thermal stability depending on the positive electrode material. Therefore careful considerations about safety are required to incorporate new electrolyte additives in Li-ion cells.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».