MétaCan
Menu
Retour à la cohorte
Enregistrement W2888628512 · doi:10.1149/2.0611811jes

Quantifying Tortuosity of Porous Li-Ion Battery Electrodes: Comparing Polarization-Interrupt and Blocking-Electrolyte Methods

2018· article· en· W2888628512 sur OpenAlexfundno aff
Fezzeh Pouraghajan, Hannah Knight, Michael Wray, Brian A. Mazzeo, Ram Subbaraman, Jake Christensen, Dean R. Wheeler

Notice bibliographique

RevueJournal of The Electrochemical Society · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensnon disponible
Organismes subventionnairesArgonne National LaboratoryAdvanced Research Projects Agency - EnergyHydro-QuébecU.S. Department of Energy
Mots-clésTortuosityThermal diffusivityElectrodeElectrolyteMaterials sciencePolarization (electrochemistry)Ionic conductivityConductivityPorosityChemistryComposite materialThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Ionic mass transport including electrolyte diffusivity and conductivity depends on the geometric tortuosity of the electrode. This paper compares two experimental methods that determine tortuosity based on diffusivity or conductivity. The polarization-interrupt method previously developed by our group determines tortuosity in terms of effective diffusivity. The blocking-electrolyte method proposed by Gasteiger and coworkers determines tortuosity in terms of effective ionic conductivity and is analyzed using a generalized transmission-line model to account for multiple sources of impedance. Tortuosity of several commercial-quality electrodes was measured using both methods, producing reasonable agreement between the two methods in most cases. The advantages and disadvantages of each method and variables that can affect the accuracy of the measurement, such as electrode wetting and model fitting, are discussed. For particular electrodes, one method may be advantageous or more conveniently applied than the other.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,305
Écart entre enseignants0,281 · 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

Citations106
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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