MétaCan
Menu
Retour à la cohorte
Enregistrement W2507950610 · doi:10.1149/ma2017-01/5/523

Nmr's Perspective of Speciation Process in Lithium Sulfur Batteries

2017· article· en· W2507950610 sur OpenAlexaff
Hao Wang, Niya Sa, Meinan He, John T. Vaughey, Linda F. Nazar, Mahalingam Balasubramanian, Baris Key, Kevin G. Gallagher

Notice bibliographique

RevueECS Meeting Abstracts · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPolysulfideDisproportionationSulfurElectrochemistryLithium (medication)DissolutionElectrolyteLithium–sulfur batteryChemistryBattery (electricity)Inorganic chemistryNuclear magnetic resonance spectroscopyElectrodeOrganic chemistryPhysical chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

The understanding of the reaction mechanism and temporal speciation of the lithium sulfur batteries is challenged by complex polysulfide disproportionation chemistry coupled with the precipitation and dissolution of species. In this report, for the first time, we present a comprehensive method to investigate lithium sulfur electrochemistry using in situ 7Li NMR spectroscopy, which is capable of quantitatively capturing the evolution of the soluble and precipitated lithium-(poly)sulfides during electrochemical cycling. The method presented here to study the lithium sulfur battery system using in situ NMR spectroscopy can be readily applied in electrolyte/additives development and lithium protection research, and a foment clear understanding about the speciation process will accelerate electrolyte development. New information collected about the battery mechanism will not only advance Li-S sulfur battery research but also shed light to the lithium metal protection schemes.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,255
Écart entre enseignants0,241 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207