MétaCan
Menu
Retour à la cohorte
Enregistrement W2785850797 · doi:10.1149/08513.0033ecst

Analysis of Graphite Materials for Fast-Charging Capabilities in Lithium-Ion Batteries

2018· article· en· W2785850797 sur OpenAlexaff
Joel T. Kirner, Linghong Zhang, Qin Yan, Xin Su, Yangxing Li, Wenquan Lu

Notice bibliographique

RevueECS Transactions · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensEaglePicher (Canada)
Organismes subventionnairesArgonne National LaboratoryOffice of Energy EfficiencyOffice of Energy Efficiency and Renewable EnergyOffice of ScienceU.S. Department of Energy
Mots-clésOverpotentialAnodeBattery (electricity)GraphiteCharacterization (materials science)Lithium (medication)Materials scienceLithium-ion batteryPower densityElectrochemistryNuclear engineeringElectrodeNanotechnologyPower (physics)Composite materialEngineeringChemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

The application of lithium-ion batteries in electric vehicles calls for decreased cost, increased energy density, increased power density, as well as low-temperature and fast-charging capability. In regard to fast charging, it is generally understood that it is the kinetic overpotential at the graphite anode that limits the cycling rate in modern commercial battery formulations. In this work, we study the fast-charging capabilities of a series of graphite samples from commercial suppliers, as part of a materials validation effort at Argonne National Laboratory. We combine materials characterization data from the raw samples with electrochemical characterization of graphite laminate electrodes in full-cell configuration to explore the causes of differences in rate performance and its impact on cycle life.

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)0,001
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
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 Opus0,013
Tête enseignante GPT0,247
Écart entre enseignants0,234 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetAdvancements in Battery MaterialsTravaux en français237 207