MétaCan
Menu
Retour à la cohorte
Enregistrement W2797692995 · doi:10.1149/2.114805jes

Crosslinked Chitosan Networks as Binders for Silicon/Graphite Composite Electrodes in Li-Ion Batteries

2018· article· en· W2797692995 sur OpenAlexaff
Xiuyun Zhao, Chae-Ho Yim, Naiying Du, Yaser Abu‐Lebdeh

Notice bibliographique

RevueJournal of The Electrochemical Society · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésGraphiteMaterials scienceChitosanSiliconChemical engineeringScanning electron microscopeComposite numberElectrodeIntercalation (chemistry)Composite materialPolymer chemistryOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Silicon/graphite composites have the potential to improve the practical energy density of Li-ion batteries to enable mass-market penetration of electric vehicles. However, they require polymeric binders that are compatible with both silicon and graphite and can sustain alloying and intercalation reactions as well as the associated interfacial reactions. In this work, chitosan, a natural cellulose, is crosslinked with either molecular (citric acid) or polymeric (poly (acrylic acid), PAA) carboxylic acids to form networks with maximum interaction with the composite as evidenced by infrared spectroscopy. Li-ion half-cells of graphite-rich, silicon/graphite negative electrodes using crosslinked chitosan binders show higher initial Coulombic efficiency (ICE) and more stable cycling performance than pristine chitosan. This could be due to the polymeric network produced from the crosslinking reaction between chitosan and carboxyl acids as well as the strong interactions between polymeric network and surface of silicon and graphite as evidenced by adhesion tests. The crosslinked chitosan network can effectively accommodate large volume change of silicon particles and keep other electrode components connected during cycling as evidenced by scanning electron microscope (SEM) images leading to excellent cycling stability. This makes it very attractive for use as a binder in Si/graphite electrodes for Li-ion batteries.

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 enseignants0,002
Score d'incertitude au seuil0,003

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 Opus0,007
Tête enseignante GPT0,242
Écart entre enseignants0,235 · 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

Citations42
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetAdvancements in Battery MaterialsTravaux en français237 207