MétaCan
Menu
Retour à la cohorte
Enregistrement W3005465666 · doi:10.1021/acs.chemrev.9b00531

New Concepts in Electrolytes

2020· review· en· W3005465666 sur OpenAlexafffund
Matthew Li, Chunsheng Wang, Zhongwei Chen, Kang Xu, Jun Lü

Notice bibliographique

RevueChemical Reviews · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesBasic Energy SciencesWaterloo Institute for Nanotechnology, University of WaterlooArgonne National LaboratoryVehicle Technologies ProgramNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryElectrolytePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Over the past decades, Li-ion battery (LIB) has turned into one of the most important advances in the history of technology due to its extensive and in-depth impact on our life. Its omnipresence in all electric vehicles, consumer electronics and electric grids relies on the precisely tuned electrochemical dynamics and interactions among the electrolytes and the diversified anode and cathode chemistries therein. With consumers' demand for battery performance ever increasing, more and more stringent requirements are being imposed upon the established equilibria among these LIB components, and it became clear that the state-of-the-art electrolyte systems could no longer sustain the desired technological trajectory. Driven by such gap, researchers started to explore more unconventional electrolyte systems. From superconcentrated solvent-in-salt electrolytes to solid-state electrolytes, the current research realm of novel electrolyte systems has grown to unprecedented levels. In this review, we will avoid discussions on current state-of-the-art electrolytes but instead focus exclusively on unconventional electrolyte systems that represent new concepts.

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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,008
Science ouverte0,0020,003
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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 Opus0,039
Tête enseignante GPT0,330
Écart entre enseignants0,291 · 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
GenreSynthèse

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

En bref

Citations918
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical ReviewsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207