MétaCan
Menu
Retour à la cohorte
Enregistrement W2306122235 · doi:10.1149/ma2016-03/2/1086

Enhanced Physical and Electrochemical Properties of LLBTZO Garnet Structures for Energy Storage Applications

2016· article· en· W2306122235 sur OpenAlexaff
Umer Farooq, Alfred Junio Samson, Brandy Kinkead, Pejman Ganjeh Anzabi, Milana Trifkovic, Venkataraman Thangadurai, Edward P.L. Roberts

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceElectrolyteSinteringPorosityCeramicElectrochemistryEnergy storageLithium (medication)IonPelletsFast ion conductorIonic conductivityChemical engineeringSolid-stateIonic bondingEngineering physicsComposite materialPower (physics)Physical chemistryThermodynamicsElectrodeChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

In recent years, an intensive research has been conducted to introduce the solid-state electrolytes for the future Li-ion batteries [1-2]. In this work we prepared a ceramic electrolyte Li6.5 La2.5 Ba0.5 Nb Zr O12(LLBNZO) and sintered pellets of as-prepared material at elevated temperature ranging from 1050 to 1200 0C. The objective of this research was to observe the effect of temperature on porosity, density and transport properties of materials. Preliminary results suggest that the material sintered at higher temperature could show enhanced performance in terms of fast ionic transport. This enhancement in performance can be attributed to low porosity of materials which is result of high temperature sintering. References: 1- V. Thangadurai, D. Pinzaru, S. Narayanan, and A. K. Baral, "Fast Solid-State Li Ion Conducting Garnet-Type Structure Metal Oxides for Energy Storage," J. Phys. Chem. Lett. 6, 292−299 (2015). 2- J. Schwenzel, V. Thangadurai and W. Weppner , 'Developments of High-Voltage All-Solid-State Thin-Film Lithium Ion Batteries,' J. Power Sources 154, 232-238 (2006).

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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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 AbstractsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207