MétaCan
Menu
Retour à la cohorte
Enregistrement W2514173161 · doi:10.1149/ma2016-02/5/696

Structural and Chemical Synergistic Encapsulation of Polysulfides Enables Ultralong-Life Lithium-Sulfur Batteries

2016· article· en· W2514173161 sur OpenAlexaff
Xiaolei Wang, Ge Li, Jingde Li, Zhongwei Chen

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésElectrolyteAnodeCathodeEnergy storagePolysulfideSeparator (oil production)SulfurChemical engineeringMaterials scienceNanotechnologyChemistryElectrodeMetallurgy

Résumé

récupéré en direct d'OpenAlex

The fast depletion of fossil fuels and deterioration of environment have led to increasing demand for renewable energies and efficient energy storage technologies. Lithium-sulfur (Li-S) batteries have been regarded as one of the most promising high-energy power sources in broad applications ranging from electric vehicles to large-scale grid energy storage. Li-S batteries deliver a theoretical energy of 2600 W h kg-1 that is an order of magnitude higher than that of the current lithium-ion batteries (LIBs), and utilize naturally abundant sulfur as the cathode material which significantly reduces the cost. The major challenge for the practical implementation of Li-S batteries resides in the dramatic capacity decay. The intermediate lithium polysulfides (Li x S n , 3≤n≤8) formed during cycling dissolve in the liquid electrolyte, migrate through the separator, and deposit on Li metal anode, causing “shuttle effect”. In addtion, the utilization of the active material is strongly hampered by the intrinsic insulating of S and its discharge product Li2S, leading to a low capacity and poor rate capability. Furthermore, the S cathode suffers from the volume variation (~80%) during lithiation/de-lithiation, causing the loss of electrical contact and the structure instability. Herein, we demonstrate an innovative strategy to efficiently entrap Li x S n from synergistic effect of structural restriction and chemical encapsulation using metal oxide-decorated hollow sulfur spheres. The significance of this strategy lies in that we purposely design a material architecture with both structural and chemical encapsulation effect, and that the material architecture provides a prolonged cycling stability. MnO2 is selected as a model and the MnO2 nanosheets-decorated hollow S spheres (hollow S-MnO2) nanocomposites are achieved through a facile synthesis. The nanocomposites with unique structure possess several features favoring highly stable S electrodes: i) the hollow spheres with inner void space not only alleviate the volume expansion of S on lithiation but also structurally restrict soluble Li x S n within the spherical structure; ii) the decorated MnO2 nanosheets with large surface area efficiently and chemically minimize the polysulfides dissolution by forming strong bonding; iii) the small dimensions of hollow S-MnO2 nanocomposites facilitate both ion and electron transport, leading to a better utilization of the S. This design presents a new strategy to prevent loss of polysulfides by structural and chemical dual-encapsulation, and can be expanded to other metal oxides or metal hydroxides. The unique material architecture enables high-performance S cathodes with high capacity, high sulfur loading and extremely low capacity decay of only 0.028% per cycle over 1500 cycles at 0.5 C-rate. 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 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 seuil0,002

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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,197 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

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