Combinatorial Methods for Improving Lithium Metal Cycling Efficiency
Notice bibliographique
Résumé
An efficient combinatorial approach for the design and evaluation of surface coatings to improve lithium metal cycling efficiency is demonstrated. The reliability of a 64 electrode combinatorial cell was verified through lithium metal cycling in a range of electrolytes on unmodified Ni and Cu electrode plates with parallel verification using conventional Cu|| Li coin cells. A 1M LiPF 6 FEC:TFEC fluorinated electrolyte demonstrated the best performance with coulombic efficiencies of 98.3% and 97.6% in the combinatorial cell (cyclic voltammetry) and coin cell (galvanostatic cycling) respectively, compared to only 91.0% (CV) and 90.3% (galvanostatic) for a 1M LiPF 6 EC:DEC control electrolyte. High throughput sputtering was used to deposit different thin film coatings of varying thickness on the 64-channel cell plates to probe the lithium cycling performance as a function of electrolyte and surface coating. Zn surface coatings with thickness between 400–900 nm proved most beneficial; significantly reducing the lithium nucleation potential and leading to more stable cycling at high coulombic efficiency (99.0% in the combinatorial cell with FEC:TFEC electrolyte). These findings not only highlight some useful strategies for improving lithium metal cycling efficiency, but also show the potential for more advanced combinatorial analysis to design superior anodes for lithium metal cells.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».