MétaCan
Menu
← Retour à la cohorte
Enregistrement W2308546891 · doi:10.1149/ma2014-02/5/429

Synthesis and Electrochemical Performance of Low Surface Area Alloy Anodes for Lithium-Ion Battery

2014· article· en· W2308546891 sur OpenAlexaffabout
Xiuyun Zhao, R. A. Dunlap, M. N. Obrovac

Notice bibliographique

RevueECS Meeting Abstracts · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceDiffractometerScanning electron microscopeElectrolyteElectrodeAlloyElectrochemistryBall millParticle sizeLithium-ion batterySpecific surface areaAnalytical Chemistry (journal)MetallurgyChemical engineeringComposite materialBattery (electricity)Chemistry

Résumé

récupéré en direct d'OpenAlex

Introduction Alloy negative-electrode materials could significantly increase the energy density of commercial Li-ion batteries [1]. From a practical point of view, alloys prepared by ball milling are inexpensive lithium hosts and easily scalable. However, such alloys typically have small particle sizes and high surface area, increasing their reactivity with electrolyte. Here, we describe a composite alloy material which has been post treated to significantly reduce surface area. The resulting composites have significantly reduced surface area and improved cycling performance over ball milled alloys of similar composition. Experimental Alloys were prepared ball milling stoichiometric amounts of Si and Fe. Post-treated alloys were ground and sieved to a 53 μm particle size. Electrodes comprising active material, carbon black and polyimide binder were cycled in 2325 coin-type cells with two Celgard 2300 separators, a lithium foil counter/reference electrode and 1M LiPF6 in EC/DEC/FEC 60/30/10 by volume electrolyte at 30 °C. Cells were cycled at a C/4 rate and trickled discharged to C/20 in a voltage range of 0.005 V-0.9 V. X-ray diffraction (XRD) measurements were collected using a Rigaku Ultima IV diffractometer with a Cu Kαsource. A Phenom G2-pro Scanning Electron Microscope (SEM, Nanoscience, Arizona) was used to study the particle size and morphology of the samples. Surface area was determined by single-point Brunauer, Emmett, and Teller (BET) method using a Micromeritics Flowsorb II 2300 surface area analyzer. Results Figure 1 shows the XRD pattern of ball-milled Si/Fe alloy, which consists of XRD peaks from Si, Fe and FeSi2 phases. Figure 2 shows the SEM images of the Si/Fe and post-treated alloy particles. For Si/Fe, many fine particles with a diameter less than 3 μm can be observed along with a few large particles. The particle size range for the post-treated particles is between 10 and 40 μm. BET surface area measurement shows that the post treated particles have a significantly reduced surface area compared to the Si/Fe ball milled alloy (2.6 m2/g for Si/Fe, 0.9 m2/g for post-treated particles), which is consistent with the SEM results. Figure 3 shows the cycling performance of Si/Fe and the post-treated particles. The post-treated particles have a reversible capacity of 600 mAh/g after the first cycle and good capacity retention. By contrast, the capacity of the ball milled Si/Fe alloy electrode fades gradually during cycling. Acknowledgements The authors acknowledge funding from NSERC and 3M Canada, Co. Xiuyun Zhao acknowledges the support from the DREAMS program. References [1]. M.N. Obrovac, Leif Christensen, Dinh Ba Le and J.R. Dahn, J. Electrochem. Soc. 154, A849 (2007).

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,001

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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,205 · 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
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

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