Enhancing Li Ion Conductivity of Garnet-Type Li<sub>5</sub>La<sub>3</sub>Nb<sub>2</sub>O<sub>12</sub> by Y- and Li-Codoping: Synthesis, Structure, Chemical Stability, and Transport Properties
Notice bibliographique
Résumé
Novel Li-stuffed garnet-like “Li 5+2 x La 3 Nb 2– x Y x O 12 ” (0.05 ≤ x ≤ 0.75) was prepared via solid-state reaction in air and characterized using ex situ and in situ powder X-ray diffraction (PXRD), 7 Li and 27 Al magic angle spinning nuclear magnetic resonance (MAS NMR), scanning electron microscopy (SEM), thermo-gravimetric analysis (TGA), and AC impedance spectroscopy. Rietveld refinement with the PXRD data confirmed the formation of a cubic, garnet-like Ia -3 d structure. 7 Li MAS NMR showed a single sharp peak close to 0 ppm as the usual trend for fast Li ion conducting garnets. Among the materials studied, “Li 6.5 La 3 Nb 1.25 Y 0.75 O 12 ” showed a very high bulk ionic conductivity of 2.7 × 10 –4 S cm –1 at 25 °C, which is the highest value found in garnet-type compounds, and is only reported for Li 7 La 3 Zr 2 O 12 . The in situ PXRD measurements revealed structural stability up to 400–600 °C after water treatment as well as chemical compatibility with high voltage Li cathodes Li 2 MMn 3 O 8 (M = Co, Fe). The current work demonstrates that slight Al contamination from the Al 2 O 3 crucible, which is commonly observed in this class of materials and was detected by 27 Al MAS NMR, does not affect the Li ionic conductivity and chemical stability of “Li 5+2 x La 3 Nb 2– x Y x O 12 ” garnets. It also shows that Li stuffing is critical to improve further the ionic conductivity of parent compound Li 5 La 3 Nb 2 O 12 . Y 3+ seems to be a very efficient dopant to improve the ionic conductivity of garnets compared to other investigated dopants that include M 2+ (M = alkaline earth metals), In 3+, and Zr 4+ .
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».