Building better lithium-sulfur batteries: from LiNO3 to solid oxide catalyst
Notice bibliographique
Résumé
Lithium nitrate (LiNO3) is known as an important electrolyte additive in lithium-sulfur (Li-S) batteries. The prevailing understanding is that LiNO3 reacts with metallic lithium anode to form a passivation layer which suppresses redox shuttles of lithium polysulfides, enabling good rechargeability of Li-S batteries. However, this view is seeing more challenges in the recent studies, and above all, the inability of inhibiting polysulfide reduction on Li anode. A closely related issue is the progressive reduction of LiNO3 on Li anode which elevates internal resistance of the cell and compromises its cycling stability. Herein, we systematically investigated the function of LiNO3 in redox-shuttle suppression, and propose the suppression as a result of catalyzed oxidation of polysulfides to sulfur by nitrate anions on or in the proximity of the electrode surface upon cell charging. This hypothesis is supported by both density functional theory calculations and the nitrate anions-suppressed self-discharge rate in Li-S cells. The catalytic mechanism is further validated by the use of ruthenium oxide (RuO2, a good oxygen evolution catalyst) on cathode, which equips the LiNO3-free cell with higher capacity and improved capacity retention over 400 cycles.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».