MétaCan
Menu
Retour à la cohorte
Enregistrement W2588140587 · doi:10.1021/acs.chemrev.6b00614

Odyssey of Multivalent Cathode Materials: Open Questions and Future Challenges

2017· review· en· W2588140587 sur OpenAlexfundno aff
Pieremanuele Canepa, Gopalakrishnan Sai Gautam, Daniel C. Hannah, Rahul Malik, Miao Liu, Kevin G. Gallagher, Kristin A. Persson, Gerbrand Ceder

Notice bibliographique

RevueChemical Reviews · 2017
Typereview
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensnon disponible
Organismes subventionnairesLawrence Berkeley National LaboratoryBasic Energy SciencesOffice of ScienceUniversity of Illinois at Urbana-ChampaignBar-Ilan UniversityUniversity of Illinois at ChicagoUniversity of WaterlooU.S. Department of Energy
Mots-clésCathodeIntercalation (chemistry)Battery (electricity)ChemistryNanotechnologyEngineering physicsInorganic chemistryMaterials sciencePhysical chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

The rapidly expanding field of nonaqueous multivalent intercalation batteries offers a promising way to overcome safety, cost, and energy density limitations of state-of-the-art Li-ion battery technology. We present a critical and rigorous analysis of the increasing volume of multivalent battery research, focusing on a wide range of intercalation cathode materials and the mechanisms of multivalent ion insertion and migration within those frameworks. The present analysis covers a wide variety of material chemistries, including chalcogenides, oxides, and polyanions, highlighting merits and challenges of each class of materials as multivalent cathodes. The review underscores the overlap of experiments and theory, ranging from charting the design metrics useful for developing the next generation of MV-cathodes to targeted in-depth studies rationalizing complex experimental results. On the basis of our critical review of the literature, we provide suggestions for future multivalent cathode studies, including a strong emphasis on the unambiguous characterization of the intercalation mechanisms.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,006
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,247
Tête enseignante GPT0,435
Écart entre enseignants0,188 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1 144
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemical ReviewsMême sujetAdvancements in Battery MaterialsTravaux en français237 207