MétaCan
Menu
← Retour à la cohorte
Enregistrement W2479772239 · doi:10.1149/2.0041610jes

A Comparative Study of Pyridine Containing Lewis Acid-Base Adducts as Additives for Li[Ni<sub>0.5</sub>Mn<sub>0.3</sub>Co<sub>0.2</sub>]O<sub>2</sub>/graphite Pouch Cells

2016· article· en· W2479772239 sur OpenAlexafffund
Mengyun Nie, Lin Ma, Jianye Xia, Ang Xiao, W. M. Lamanna, Kevin M. Smith, J. R. Dahn

Notice bibliographique

RevueJournal of The Electrochemical Society · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPyridineChemistryLewis acids and basesDielectric spectroscopyGraphiteElectrolyteInorganic chemistryElectrochemistryOrganic chemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Three Lewis acid-base adducts including pyridine boron trifluoride (PBF), pyridine phosphorus pentafluoride (PPF) and pyridine sulfur trioxide (PSO) were used as electrolyte additives in Li[Ni 0.5 Mn 0.3 Co 0.2 ]O 2 /graphite pouch cells (NMC532/graphite). PBF, PPF and PSO have a common Lewis base (pyridine) but have different Lewis acids. Experiments included ultra-high precision coulometry (UHPC), electrochemical impedance spectroscopy (EIS), gas evolution, long-term continuous charge-discharge cycling and charge-hold-discharge cycling. The results showed that cells containing PBF and PPF had the smallest voltage drop during storage at 4.5 V and at 60°C compared to cells with PSO and other additives such as triallyl phosphate (TAP) and vinylene carbonate (VC). UHPC results showed that the coulombic efficiency (CE) of the cells could be improved by using PBF or PPF either singly or in combination with other additives. The charge-hold-discharge cycling protocol can be used to distinguish the difference between additives relatively quickly compared to continuous cycling. Cells with 2% PBF had the best capacity retention compared to cells with the other additives at 40°C.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,253
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical Society→Même sujetAdvancements in Battery Materials→Travaux en français237 207→