MétaCan
Menu
Retour à la cohorte
Enregistrement W3019823867 · doi:10.1149/1945-7111/ab8b00

Effects of Fluorine Doping on Nickel-Rich Positive Electrode Materials for Lithium-Ion Batteries

2020· article· en· W3019823867 sur OpenAlexaff
Ning Zhang, Jamie E. Stark, Hongyang Li, Aaron Liu, Ying Li, Ines Hamam, J. R. Dahn

Notice bibliographique

RevueJournal of The Electrochemical Society · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFluorineCalcinationRietveld refinementNickelLithium (medication)DopingAnalytical Chemistry (journal)Lattice constantNickel oxideChemistryMaterials scienceCrystallographyInorganic chemistryCrystal structureDiffractionMetallurgy

Résumé

récupéré en direct d'OpenAlex

Three fluorine-doped lithium nickel oxide samples series (LiNiO2−xFx, LiNi1−xMgxO2−xFx; Li1+x/2Ni1−x/2O2−xFx) were prepared and investigated. It is suggested that fluorine was introduced into the lattice structure during the calcination. As fluorine is introduced into LiNiO2−xFx and LiNi1−xMgxO2−xFx the percentage of Ni (or Ni and Mg) in the Li layer increases for x > 0.05. However, adding excess Li in Li1+x/2Ni1−x/2O2−xFx sucessfully balances the charge differential introduced by fluorine doping therefore very little Ni2+ was created and the lithium layers remain “uncontaminated” by other metals. Data from Li/LiNiO2−xFx, Li/LiNi1−xMgxO2−xFx and Li/Li1+x/2Ni1−x/2O2−xFx cells mirror the percent of cation mixing as determined by X-ray diffraction (XRD) and Rietveld refinement in each case. In situ XRD of Li1.1−xNi0.9O1.8F0.2 shows no multipule phase transitions which further suggests fluorine was successfully doped into the lattice. Acclelerating rate calorimetry (ARC) experiments show a potential safety advantage brought by fluorine doping. pH titration was used to explore if residual LiF (if any) at the surface converted to other lithium compounds (LiOH, Li2O or Li2CO3). No evidence of residual LiF was found.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,227
Écart entre enseignants0,221 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations48
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetAdvancements in Battery MaterialsTravaux en français237 207