Synthesis and Performance of Disordered Positive Electrode Materials for Lithium Ion Batteries
Notice bibliographique
Résumé
Disordered rocksalt materials of the form Li1+xMy(1-x)N(1-y)(1-x)O2have been largely overlooked as a potential candidate for high performance positive electrode materials in lithium ion batteries due to the inability of lithium to percolate through the disordered structure. Recent works [1, 2] have shown these materials are able to form percolation networks if sufficient lithium and cation mixing is present in the structure. As these materials become more lithium rich, the probability of finding a network of favourable Li channels increases. However, for many transition metal choices for M and N the available redox capacity decreases. This must be considered in order to design compositions for optimal performance. This work explores these recent theories and looks to improve the design and understanding of disordered materials. Many elemental combination series are synthesized between x = 0.00 to 0.33 in Li1+xMy(1-x)N(1-y)(1-x)O2 using solid state synthesis methods with varying temperature and excess Li content to explore the role of synthesis in disordering. Choices for M and N include V, Ti, Mn, Fe, Mo, and Cr in order to investigate capacity relationships due to available redox and Li channels. Materials are characterized by X-Ray Diffraction (XRD), in-situ and ex-situ XRD, scanning electron microscopy, Mossbauer spectroscopy, induced coupled plasma optical emission spectroscopy and electrochemical testing. The structural and electrochemical data is compared with theoretical models based on available redox capacity and percolation theory. Figure 1 shows that synthesis temperature plays an important role in the disordering process. Figure 2 demonstrates a series of Li1+xTiy(1-x)Fe(1-y)(1-x)O2 (0.00 ≤ x ≤ 0.25) heated at 800 °C. Electrochemical results were found to agree with current and proposed theories of disordered materials. Discussion will include the importance of synthesis in disordered materials, as well as the performance of select series and how they compare to theoretical models. References: 1. A. Urban, J. Lee, G. Ceder, Adv. Energy Mater., 4 1400478 (2014) 2. J. Lee, A. Urban, X. Li, D. Su, G. Hautier, G. Ceder, Science, 343 519-522 (2014) Figure 1
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».