Enhanced Capacity and Retention in Lithium Iron Orthosilicate Cathode Via Tuning Its Composition By Hydrothermal Synthesis
Notice bibliographique
Résumé
During the past three decades, scientists have designed and tested a range of new materials for application in Li-ion batteries to meet the increasing energy storage demand. Still, the quest for delivering higher energy density while being safer and sustainable remains an ongoing challenge for Li-ion batteries. This work presents our recent efforts on improving an important cathode material, Li 2 FeSiO 4 (LFS), in order to make use of its attractive properties in terms of sustainability and safety. We apply compositional engineering to tune the electronic and crystal structures of LFS and eventually its electrochemical performance. We take advantage of the versatility of hydrothermal synthesis and synthesize various cation-substituted and non-stoichiometric LFS in orthorhombic Pmn 2 1 structure. Partially substituting Co for Fe is found to allow faster phase transformation from pristine Pmn 2 1 to inverse Pmn 2 1 with important positive ramifications in its cycling performance. More interesting, the insertion of Co alters the surface activities of LFS and induces the formation of cathode-electrolyte interphase (CEI) layers with lower resistance and better uniformity that protect the bulk particles from detrimental reactions with the electrolyte. Consequently, the participation of Co helps LFS to have improved capacity retention. To boost the capacity of LFS, we design Fe-rich LFS materials that deliver higher capacity within a reasonable voltage window. By combining DFT calculation with experimental testing, we find that Fe-rich composition LFS shows also promise in facilitating electronic and ionic transport.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».