MétaCan
Menu
← Retour à la cohorte
Enregistrement W2297670518 · doi:10.1149/ma2016-03/2/299

Optimization of Electrolytes for Si-Containing Full Cell

2016· article· en· W2297670518 sur OpenAlexaff
Vincent Chevrier, Rémi Petibon, C. P. Aiken, L. J. Krause, L. D. Jensen, Ang Xiao, Dinh Ba Le, K. W. Eberman, J. R. Dahn

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésElectrolyteMaterials scienceElectrodeAlloyChemical engineeringDielectric spectroscopyElectrochemistryComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

Introduction The Si/electrolyte interface is increasingly recognized as being a key factor in the successful implementation of Si-based materials in Li-ion batteries. Si-based negative electrode materials undergo massive volume changes during cycling. Pure Si expands by approximately 280% while 3M’s active/inactive Si alloys expand on the order of 135%. The expansion and contraction of Si has important consequences on the surface stability of these materials. This work will focus on the combined impact of material design and electrolyte choices on cell performance. Results and Discussions The 3M Si alloy is compared to pure Si in EC/EMC 3/7 + 10% FEC. Cross section SEM images are taken after 100 cycles in a half cell. While the 3M alloy shows a discernible SEI on distinct particles, the pure Si has dramatically expanded in size and completely lost its particle morphology. The impact of electrolyte choice on the surface morphology of the 3M Si alloy is then explored across a range of electrolytes compositions using cross section SEM images after 100 cycles. Further testing is performed in 200 mAh pouch cells (Lifun), with a LiCoO2 positive electrode, a Si-alloy/graphite negative electrode, and approximately 3 mAh/cm2 of reversible capacity. In order to understand the impact of electrolyte composition as well as failure mechanisms, cells were studied by long term cycling, ultrahigh precision cycling, post-cycling gas chromatography/mass spectroscopy (GC/MS) of the electrolyte, in-situ volume measurements, and electrochemical impedance spectroscopy. Fluorethylene carbonate (FEC) has long been recognized as an important electrolyte component for Si-containing full cells. GC/MS studies are used to study the consumption of FEC with cycle number as well as changes in electrolyte composition. FEC is found to be preferentially consumed relative to other electrolyte solvents and its depletion is found to generally cause sudden failure. A hierarchy of reactivity of electrolyte solvents is established. An electrolyte additive in the new product introduction process at 3M will be presented. This additive is found to help delay sudden failure as well as suppress FEC gassing. Conclusion When implementing well-designed Si-based materials in commercially-relevant full cells, the electrolyte is a key parameter to be optimized. In this work, electrolyte optimizations lead to delayed sudden failure, suppressed gassing and reduced impedance growth. These findings suggest considerable gains are still attainable through further electrolyte optimizations, which will enable deeper penetration of Si-based materials into the marketplace.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,011
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetAdvancements in Battery Materials→Travaux en français237 207→