Dopant Concentration–Porosity–Li-Ion Conductivity Relationship in Garnet-Type Li<sub>5+2<i>x</i></sub>La<sub>3</sub>Ta<sub>2–<i>x</i></sub>Y<sub><i>x</i></sub>O<sub>12</sub> (0.05 ≤ <i>x</i> ≤ 0.75) and Their Stability in Water and 1 M LiCl
Notice bibliographique
Résumé
Highly Li-ion conductive Y-doped garnet-type Li5+2xLa3Ta2-xYxO12 (0.05 ≤ x ≤ 0.75) were studied to understand the effects of yttrium- and lithium-doping on crystal structure, porosity, and Li-ion conductivity using (7)Li MAS NMR, electrochemical ac impedance spectroscopy, and scanning electron microscopy (SEM), as well as ex situ and in situ powder X-ray diffraction (PXRD) to further explore the potential application of garnets in all-solid-state Li-ion batteries. Solid-state (7)Li MAS NMR studies showed an increase in the Li-ion mobility as a function of Y- and Li-doping in Li5+2xLa3Ta2-xYxO12, which is consistent with the results from ac impedance spectroscopy. The SEM studies on sintered pellets indicated a systematic decrease in porosity and an increase in sinterability as the Y- and Li-doping levels increase in Li5+2xLa3Ta2-xYxO12. These results are consistent with the calculated porosity and densities using the Archimedes method. Using the variable-temperature in situ PXRD in the temperature range of 30-700 °C, a thermal expansion coefficient of 7.25 × 10(-6) K(-1) was observed for Li6La3Ta1.5Y0.5O12. To further explore the possibility of a new application for the Li-stuffed garnets, the stability of these materials in aqueous LiCl solution was also studied. A high degree of structural stability was observed in these materials upon 1 M LiCl treatment, making them suitable candidates for further studies as protective layers for lithium electrodes in aqueous lithium batteries.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».