Recycling of mixed cathode lithium‐ion batteries for electric vehicles: Current status and future outlook
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Worldwide trends in mobile electrification, largely driven by the popularity of electric vehicles (EVs) will skyrocket demands for lithium‐ion battery (LIB) production. As such, up to four million metric tons of LIB waste from EV battery packs could be generated from 2015 to 2040. LIB recycling directly addresses concerns over long‐term economic strains due to the uneven geographic distribution of resources (especially for Co and Li) and environmental issues associated with both landfilling and raw material extraction. However, LIB recycling infrastructure has not been widely adopted, and current facilities are mostly focused on Co recovery for economic gains. This incentive will decline due to shifting market trends from LiCoO 2 toward cobalt‐deficient and mixed‐metal cathodes (eg, LiNi 1/3 Mn 1/3 Co 1/3 O 2 ). Thus, this review covers recycling strategies to recover metals in mixed‐metal LIB cathodes and comingled scrap comprising different chemistries. As such, hydrometallurgical processes can meet this criterion, while also requiring a low environmental footprint and energy consumption compared to pyrometallurgy. Following pretreatment to separate the cathode from other battery components, the active material is dissolved entirely by reductive acid leaching. A complex leachate is generated, comprising cathode metals (Li + , Ni 2+ , Mn 2+ , and Co 2+ ) and impurities (Fe 3+ , Al 3+ , and Cu 2+ ) from the current collectors and battery casing, which can be separated and purified using a series of selective precipitation and/or solvent extraction steps. Alternatively, the cathode can be resynthesized directly from the leachate.
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.
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 découle