MétaCan
Menu
Retour à la cohorte
Enregistrement W2427704813

Parametric analysis using impedance spectroscopy: relationship between material properties and battery performance

2000· article· en· W2427704813 sur OpenAlexvenueno aff
Evgenij Barsoukov, J H Kim, D H Kim, Kyo Seon Hwang, C.O. Yoon, H Lee

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParametrization (atmospheric modeling)Electrical impedanceBattery (electricity)Parametric statisticsMaterials scienceEquivalent circuitDielectric spectroscopyElectrodeCathodeVoltageComposite numberAnalytical Chemistry (journal)Composite materialThermodynamicsChemistryElectrical engineeringPhysicsMathematicsEngineeringOpticsPower (physics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The feasibility of predicting battery material performance based on parametrization of impedance spectra measured at different states of charge in boundaries of non-linear equivalent circuit model is demonstrated. All kinetically relevant parameters of LiCoO{sub 2}-based composite lithium ion battery cathode materials were obtained by an impedance parametrization procedure developed in the Kumho Chemical Laboratories in Korea. Accuracy of performance prediction was tested by comparing voltage profiles, calculated on the basis of numerical image, at discharge rates ranging from 1/10a to 3C with experimental data. The relative influence of kinetic steps on discharge behaviour of composite electrode were compared to model parameters. Thickness dependence predicted by the model was found to be correct when compared to experimental impedance spectra of samples with different thicknesses. It was concluded that multi-dimensional impedance parametrization showed good potential for use in battery material standardization and performance evaluation, as well as in optimizing material composites for specific applications. 14 refs., 10 figs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,007
Score d'incertitude au seuil0,688

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,050
Tête enseignante GPT0,282
Écart entre enseignants0,232 · 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 tête enseignante, 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

Citations18
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Materials for Electrochemical SystemsMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207