Ni‐Rich/Co‐Poor Layered Cathode for Automotive Li‐Ion Batteries: Promises and Challenges
Notice bibliographique
Résumé
Abstract To pursue a higher energy density (>300 Wh kg −1 at the cell level) and a lower cost (<$125 kWh −1 expected at 2022) of Li‐ion batteries for making electric vehicles (EVs) long range and cost‐competitive with internal combustion engine vehicles, developing Ni‐rich/Co‐poor layered cathode (LiNi 1− x − y Co x Mn y O 2 , x + y ≤ 0.2) is currently one of the most promising strategies because high Ni content is beneficial to high capacity (>200 mAh g −1 ) while low Co content is favorable to minimize battery cost. Unfortunately, Ni‐rich cathodes suffer from limited structure stability and electrode/electrolyte interface stability in the charged state, leading to electrode degradation and poor cycling performance. To address these problems, various strategies have been employed such as doping, structural optimization design (e.g., core–shell structure, concentration‐gradient structure, etc.), and surface coating. In this review, five key aspects of Ni‐rich/Co‐poor layered cathode materials are explored: energy density, fast charge capability, service life including cycling life and calendar life, cost and element resources, and safety. This enables a comprehensive analysis of current research advances and challenges from the perspective of both academy and industry to help facilitate practical applications for EVs in the future.
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 | 0,001 | 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 | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».