Exploring Classes of Co-Solvents for Fast-Charging Lithium-Ion Cells
Notice bibliographique
Résumé
Fast-charging lithium-ion cells require electrolyte solutions that balance high ionic conductivity and chemical stability. The introduction of an organic ester co-solvent is one route that can improve the rate capability of a cell. Several new co-solvent candidates were identified based on viscosity, permittivity (dielectric constant), and DFT-calculated electrochemical stability windows. Several formate, nitrile, ketone, and amide co-solvents are shown to increase the ionic conductivity of lithium hexafluorophosphate in conventional organic-carbonate-based solutions. Based on gas production during the first formation cycle in Li[Ni1-x-yCoxAly]O2/graphite-SiO pouch cells, five candidates were identified: methyl formate (MF), ethyl formate (EF), propionitrile (PN), isobutyronitrile (iBN), and dimethyl formamide (DMF). High temperature storage (60°C), long-term cycling, and ultrahigh-precision coulometry results indicate that MF offers the greatest balance between conductivity increase and cell lifetime. Future work is encouraged to develop more stable solution chemistries that incorporate MF. PN may prove useful for low temperature (< 40°C) applications.
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 | 0,000 |
| 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 ».