MétaCan
Menu
← Retour à la cohorte
Enregistrement W2305502609 · doi:10.1149/ma2016-03/2/678

Modeling of Conductivity of Lithium Salt in Electrolytes for Lithium-Ion Batteries

2016· article· en· W2305502609 sur OpenAlexaff
Yvon Rodrigue Dougassa, David Lepage, Dominic Rochefort

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésElectrolyteConductivityLithium (medication)Ionic conductivityTernary operationIonSolvationBattery (electricity)Lithium-ion batteryMaterials scienceChemistryThermodynamicsComputer scienceOrganic chemistryPhysical chemistryPhysicsElectrodePower (physics)

Résumé

récupéré en direct d'OpenAlex

The lithium ion battery is the most competitive power source for electric vehicles needed in the future, thus attracting extensive interest. The performance of a lithium ion battery depends to a great extent on the conductivity of electrolyte solution, because the conductivity of electrolyte solution is related to transport process and play an important role in field of lithium batteries as knowledge of the conductivity is necessary for the design of Li cells [1]. The conductivity provides also useful insights on ion solvation and association. We present in this work a comparative study on experimental values of conductivity of several formulated electrolytes (pure solvents, binary or ternary systems involving a lithium salt) with calculated values by modelling. At first, by using different well-known equations based on Stock-Einstein, Jones-Dole and Bjerrum theories and of the solvent-solvent and solvent-salt interactions a model of conductivity ionic had been developed. The relative permittivity values of the electrolytes as well as the B- coefficients of the Jones-Dole equation for the relative viscosity of concentrated electrolyte solutions have been determined as a function of the temperature. Finally, the calculated values were then compared with experimental data of conductivity to evaluate the predictive capability of the model. Excellent agreements were obtained between calculations and experimental data electrolytes as a function of temperature with deviations up to (4 and 10) %. Results obtained by modeling during this work will guide the formulation of safer electrolytes able to improve the performances of lithium-ion batteries of lithium-ion batteries and the lifetime [1] F.Blanchard, B. Carré, P.Willmann, D. Lemordant, Journal of power sources. 109 (2002) 203-213.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0020,001
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 Opus0,025
Tête enseignante GPT0,272
Écart entre enseignants0,247 · 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'étudeSimulation ou modélisation
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 sujetAdvanced Battery Technologies Research→Travaux en français237 207→