The Role of Metal Site Vacancies in Promoting Li–Mn–Ni–O Layered Solid Solutions
Notice bibliographique
Résumé
The Li–Mn–Ni-O system has received much attention for potential positive electrode materials in lithium-ion batteries. Recent work mapping the phase diagrams of the entire pseudo-ternary system showed that the layered solid-solution region extends to compositions with both less and more lithium than the well-known lithium-rich layered composition line that joins Li 2 MnO 3 to LiNi 0.5 Mn 0.5 O 2 . The part of this solid-solution region that is lithium deficient has a “bump” feature in the single-phase boundary, which could not be explained until now. The current study explores this part of the phase diagram with the use of X-ray diffraction, helium pycnometry measurements, redox titrations, and a Monte Carlo simulation. Results show that metal site vacancies are present in the structures in increasing amounts as the lithium content of the samples decreases. A Ni 2+ ion and a vacancy can replace two Li + ions in Li[Li 1/3 Mn 2/3 ]O 2 to make the solid solution series Li[Li (1/3)– x Ni x /2 □ x /2 Mn 2/3 ]O 2 with 0 < x < 1 / 3 . The most lithium-deficient structures contain sufficient vacancies to allow manganese to form on two-thirds ( 2 / 3 ) of the transition-metal layer, such that the ordering of manganese on two √3 × √3 lattices yields a structure with low internal energy and sharp superlattice peaks in XRD patterns. The material with the maximum theoretical vacancy fraction that still has two-thirds of the transition-metal layer filled with manganese, Li[Ni 1/6 □ 1/6 Mn 2/3 ]O 2, was also synthesized. Both XRD and electrochemical data regarding this new material are presented.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».