MétaCan
Menu
← Retour à la cohorte
Enregistrement W2308649583 · doi:10.1149/ma2016-03/2/751

Reduction of Charge and Discharge Polarization By Cobalt Nanoparticles-Embedded Carbon Nanofibers for Lithium-Oxygen Batteries

2016· article· en· W2308649583 sur OpenAlexaff
Yun‐Jung Kim, Hongkyung Lee, Dong Jin Lee, Hyungjun Noh, Jin Hong Lee, Jung-Ki Park, Hee‐Tak Kim

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésOverpotentialMaterials scienceNanoparticleAmorphous solidLithium (medication)NanotechnologyIonic conductivityChemical engineeringCobaltElectrodeChemistryElectrochemistryPhysical chemistryCrystallographyMetallurgyElectrolyte

Résumé

récupéré en direct d'OpenAlex

The battery material community has a persistent consensus that Li–O2 batteries would be the most promising next generation batteries due to its extraordinarily high energy densities; from a practical view point, at least 2~3 times higher than those of conventional lithium ion batteries (LIBs).[1] However, Li–O2 batteries suffer from their chronically low round trip efficiency due to poor reversibility of lithium peroxide, Li2O2, which is main product of discharged Li–O2 batteries. This truly originates from its intrinsically poor electron and ionic conductivity.[2] Therefore, the reduction of charging overpotential is in urgent need for economical progress of Li–O2 batteries. In an effort to achieve high round trip efficiency, recent studies have attracted great attention that the charge behaviors of Li–O2 cells can be manipulated by controlling the phase structure and morphology of Li2O2 formed during discharge. In particular, at a low current density, the large toroidal structured, crystalline Li2O2 was primarily formed. In contrast, the formation of film-like amorphous Li2O2 is favored at high current density. [3,4] Owing to its structural advantages of enhanced ionic and electronic transport[5], the oxidation of less crystalline Li2O2 is more efficient, resulting in significant decrease on charge overpotential. Consequently, the controlling phase and morphology of Li2O2 is an effective strategy for manipulating charge behavior of Li–O2 cells. As a possible approach for controlling Li2O2, we designed an effective electrochemical catalyst of oxygen reduction reactions in Li-O2 batteries, a cobalt nanoparticles (Co NPs) embedded carbon nanofibers (Co-CNFs). As a result, embedded Co NPs leads to the formation of uniform film-like amorphous Li2O2, and thus, the Li–O2 battery employing the Co-CNF provides a round trip efficiency of > 77% and extends cycling stability by more than 6 times in comparison with a CNF electrode. These change of Li2O2 mainly is derived from a charge delocalization originating from the electron transfer from Co NPs to C-atoms. According to HSAB theory, highly concentrated Li+ ions near electrode resulting from the preferable interaction with Co-CNFs could lead to the rapid precipitation of Li2O2 and prevent the crystallization of Li2O2. The findings suggest a novel electrode design strategy of combining inexpensive metal and carbons for modulating the phase of discharge product. References [1] Nat. Mater. 2012, 11, 19-29 [2] J. Phys. Chem. Lett. 2013, 4, 93−99 [3] J. Am. Chem. Soc, 2013, 135, 15364−15372 [4] Energy Environ. Sci., 2013, 6, 1772 [5] Chem. Mater, 2014, 26, 2952−2959

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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,227
Écart entre enseignants0,217 · 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→