MétaCan
Menu
Retour à la cohorte
Enregistrement W2143989763 · doi:10.1039/c5cp00205b

Electrochemical and physicochemical properties of small phosphonium cation ionic liquid electrolytes with high lithium salt content

2015· article· en· W2143989763 sur OpenAlexaff
Gaetan M. A. Girard, M. Hilder, Haijin Zhu, Donato Nucciarone, Kristina Whitbread, Serguei Zavorine, M. Moser, Maria Forsyth, Douglas R. MacFarlane, Patrick C. Howlett

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensRegional Municipality of Niagara
Organismes subventionnairesnon disponible
Mots-clésPhosphoniumIonic liquidElectrolyteLithium (medication)ElectrochemistryImideChemistryInorganic chemistryMolar conductivitySalt (chemistry)Dielectric spectroscopyIonic conductivityCyclic voltammetryDifferential scanning calorimetryOrganic chemistryPhysical chemistryElectrodeElemental analysis

Résumé

récupéré en direct d'OpenAlex

Electrolytes of a room temperature ionic liquid (RTIL), trimethyl(isobutyl)phosphonium (P111i4) bis(fluorosulfonyl)imide (FSI) with a wide range of lithium bis(fluorosulfonyl)imide (LiFSI) salt concentrations (up to 3.8 mol kg(-1) of salt in the RTIL) were characterised using a combination of techniques including viscosity, conductivity, differential scanning calorimetry (DSC), electrochemical impedance spectroscopy (EIS), nuclear magnetic resonance (NMR) and cyclic voltammetry (CV). We show that the FSI-based electrolyte containing a high salt concentration (e.g. 1 : 1 salt to IL molar ratio, equivalent to 3.2 mol kg(-1) of LiFSI) displays unusual transport behavior with respect to lithium ion mobility and promising electrochemical behavior, despite an increase in viscosity. These electrolytes could compete with the more traditionally studied nitrogen-based ionic liquids (ILs) in lithium battery applications.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
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)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,186
Écart entre enseignants0,170 · 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

Citations155
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207