MétaCan
Menu
Retour à la cohorte
Enregistrement W2802066123 · doi:10.14447/jnmes.v21i2.412

Improvement of Electrochemical Performance and Thermal Stability by Reducing Residual Lithium Hydroxide on LiNi0.8Co0.1Mn0.1O2 Active Material using Amorphous Carbon Coating

2018· article· en· W2802066123 sur OpenAlexvenueno aff
Ji-Woong Shin, Jong-Tae Son

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceLithium hydroxideLithium (medication)ElectrolyteHydroxideChemical engineeringAmorphous solidElectrochemistryThermal stabilityLithium carbonateCoatingCarbon fibersInorganic chemistryComposite materialChemistryElectrodeIonComposite numberIonic bondingIon exchange

Résumé

récupéré en direct d'OpenAlex

Using LiNi0.8Co0.1Mn0.1O2 as a starting material, a surface-modified cathode material was obtained by coating it with a nanolayer of amorphous carbon, where the added C12H22O11 (sugar) was transformed to Li2CO3 compounds after reacting with residual LiOH on the surface. A thin and uniformly smooth nanolayer (35 nm thick) was observed on the surface of the LiNi0.8Co0.1Mn0.1O2, as confirmed by transmission electron microscopy (TEM). The amount of residual lithium hydroxide (LiOH) was significantly reduced through the formation of lithium carbonate (Li2CO3). As a result, carbon-coated LiNi0.8Co0.1Mn0.1O2 exhibited noticeable improvement in capacity and rate capability and much lower exothermic heat in the charged state at 4.3V. The improved electrochemical performance and thermal stability are attributed to the carbon coating, which reduced the residual lithium hydroxide, protected the cathode material from reacting with the electrolyte, and slowing the incrassation of the solid electrolyte interphase (SEI) film on the surfaces of the oxide particles.C12H22O11 + 12O2 → 12CO2 + 11H2OPACS number: 73.20.At

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 enseignants0,001
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 Opus0,014
Tête enseignante GPT0,244
Écart entre enseignants0,230 · 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 revueJournal of New Materials for Electrochemical SystemsMême sujetAdvancements in Battery MaterialsTravaux en français237 207