MétaCan
Menu
Retour à la cohorte
Enregistrement W3025693162 · doi:10.1149/ma2020-012155mtgabs

Diffusion Control of Organic Cathode Materials in Lithium Metal Battery Using a Graphite Modified Separator

2020· article· en· W3025693162 sur OpenAlexaff
Rachel L. Belanger, Basile Commarieu, Andrea Paolella, Jean‐Christophe Daigle, Jérôme P. Claverie, Karim Zaghib

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensHydro-QuébecUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésSeparator (oil production)CathodeMaterials scienceAnodeElectrolyteChemical engineeringSolubilityOrganic radical batteryCapacity lossEnergy storageBattery (electricity)GraphiteElectrodeOrganic chemistryChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Energy storage technology is a critical research area for the success of portable electronic devices and electrical transportation. Such applications need affordable, durable, safe and environmentally friendly battery materials with high energy density. Organic cathode materials are currently promising candidates because they fulfill most of these requirements for an active battery material 1 . However, they usually suffer from a major limitation, namely their solubility in organic electrolytes 2 . Even a very low solubility translates into a decreased capacity upon cycling due to the loss of active material. Among organic cathode materials, conjugated carbonyl compounds have been intensively scrutinized because of a combination of desirable properties, such as low cost, good theoretical capacity, reversible oxidative behavior, high discharge potential and commercial availability. For example, 3,4,9,10-perylene-tetracarboxylic-dianhydride (PTCDA) is an inexpensive red pigment that is widely investigated as an active material for energy devices. However, Li-PTCDA batteries suffer from poor and irreversible cycling stability due to the dissolution in the electrolyte. Even more problematic, the dissolved PTCDA migrates through the porous separator and deposits on the anode surface causing irreversible damage 3 . In order to solve this problem, chemical modifications such as polymerisation, functionalization and immobilization on carbon materials have improved cycling stability. However, these modified cathode materials, which are often prepared by complex processes, contain considerable amounts of inactive mass that cause a decreases of the energy density. We developed a Janus membrane, which consists of two layers – a commercial polypropylene separator (Celgard TM ) and a 300-600 nm layer of exfoliated graphite that was applied by a simple and environmentally friendly process. The submicron graphite layer is only permeable to Li + and it drastically improves the battery performance, as measured by capacity retention and high coulombic efficiency, even at 2C rates. Post-mortem analysis of the battery indicates that the new membrane protects the anode against corrosion, and cathode dissolution is reduced. This graphite-based membrane is expected to greatly expedite the deployment of lithium batteries using organic moities as active materials. References [1] Armand, M. & Tarascon, J. M. Building better batteries. Nature 451, 652–657 (2008). [2] Zhao, Q., Zhu, Z. & Chen, J. Molecular Engineering with Organic Carbonyl Electrode Materials for Advanced Stationary and Redox Flow Rechargeable Batteries. Adv. Mater. 29, 1–25 (2017). [3] Wang, J., Wang, X., Li, H., Yang, X. & Zhang, Y. Intrinsic factors attenuate the performance of anhydride organic cathode materials of lithium battery. J. Electroanal. Chem. 773, 22–26 (2016).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,167
Score d'incertitude au seuil0,856

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,019
Tête enseignante GPT0,226
Écart entre enseignants0,207 · 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 tête enseignante, 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207