MétaCan
Menu
Retour à la cohorte
Enregistrement W2094563023 · doi:10.1002/aenm.201500124

Structural Design of Cathodes for Li‐S Batteries

2015· article· en· W2094563023 sur OpenAlexaff
Michael A. Pope, İlhan A. Aksay

Notice bibliographique

RevueAdvanced Energy Materials · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCathodeAnodeBattery (electricity)Materials scienceEnergy storagePolysulfideIonSpecific energyNanotechnologyCurrent (fluid)Chemical engineeringEngineering physicsElectrical engineeringElectrodeChemistryElectrolytePhysical chemistryEngineeringThermodynamicsPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Battery technologies involving Li‐S chemistries have been touted as one of the most promising next generation systems. The theoretical capacity of sulfur is nearly an order of magnitude higher than current Li‐ion battery insertion cathodes and when coupled with a Li metal anode, Li‐S batteries promise specific energies nearly five‐fold higher. However, this assertion only holds if sulfur cathodes could be designed in the same manner as cathodes for Li‐ion batteries. Here, the recent efforts to engineer high capacity, thick, sulfur‐based cathodes are explored. Various works are compared in terms of capacity, areal mass loading, and fraction of conductive additive, which are the critical parameters dictating the potential for a device to achieve a specific energy higher than current Li‐ion batteries (i.e., >200 Wh kg −1 ). While an inferior specific energy is projected in the majority of cases, several promising strategies have the potential to achieve >500 Wh kg −1 . The challenges associated with the limited cycle‐life of these systems due to both the polysulfide shuttle phenomenon and the rapid degradation of the Li metal anode that is experienced at the current densities required to charge high specific energy batteries in a reasonable timeframe are also discussed.

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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,034
Tête enseignante GPT0,243
Écart entre enseignants0,209 · 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

Citations496
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207