MétaCan
Menu
← Retour à la cohorte
Enregistrement W2913524807 · doi:10.1002/cjce.23479

Piloting melt synthesis and manufacturing processes to produce c‐lifepo<sub>4</sub>: preface

2019· article· en· W2913524807 sur OpenAlexafffundvenue
Gregory S. Patience, Jamal Chaouki, Mohammad Latifi, Mickaël Dollé, Patrice Chartrand, W. Kasprzak, Xueliang Sun, Tsun‐Kong Sham, Guoxian Liang, Pierre Sauriol

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensNatural Resources CanadaUniversité de MontréalWestern UniversityPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésMaterials scienceRaw materialCobalt oxideMicronizationLithium iron phosphateLithium (medication)Chemical engineeringNanotechnologyProcess engineeringCobaltMetallurgyElectrodeElectrochemistryChemistryEngineeringParticle sizeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Since Goodenough's team laid the foundation to apply LiFePO4 as an alternative to lithium cobalt oxide for Li‐ion positive electrodes,[1,2] Web of Science (WoS)[3] has indexed over 6000 articles related to lithium iron phosphate—LFP. Manufacturers synthesize LFP with both solid state and solvent assisted hydrothermal technology. Both have their advantages and disadvantages but society requires inexpensive batteries for automobile applications and fixed electrical storage. Here we scale up each step of the nascent melt synthesis process, which has the potential to displace the current commercial technology because of its superior economics related to raw materials. The research challenges include raw material selection, melt synthesis conditions, thermodynamics, micronization to form nano‐powders, followed by spray drying, and carbon coating.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 GPT0,181
Écart entre enseignants0,175 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical Engineering→Même sujetAdvancements in Battery Materials→Travaux en français237 207→