Quantifying Inhomogeneity of Lithium Ion Battery Electrodes and Its Influence on Electrochemical Performance
Notice bibliographique
Résumé
This paper presents an approach to quantify microstructural inhomegeneity in lithium ion battery electrodes over multiple length scales and examines the impact of this microstructural inhomogeneity on electrochemical performance. Commerical graphite anodes are investigated because graphite remains the anode material of choice due to its low cost, mechanical robustness, and suitable electrochemical properties. At the same time, the graphite anode often plays a role in cell degradation and failure, as lithium plating can occur on the graphite anode during charge, when unfavorable microstructure in the graphite electrode leads to a large overpotential. Here, three-dimensional representations of four different commercial anodes obtained with X-ray tomographic microscopy are statistically analyzed to quantify the microstructural inhomogeneity that is commonly present in lithium ion battery electrodes. Electrochemical simulations on the digitalized microstructures are performed to isolate and understand the influence of different types of microstructural inhomogeneity on battery performance. By understanding how distributions in particle size and shape or slurry and electrode processing cause microstructural inhomogeneity and impact performance, it is possible to determine the extent to which homogeneity should be prioritized for specific applications and how homogeneity could be achieved through smart material selection and processing.
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 | 0,001 |
| 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 ».