MétaCan
Menu
← Retour à la cohorte
Enregistrement W3025883697 · doi:10.1149/ma2020-01492723mtgabs

Microstructure and Transport Phenomena

2020· article· en· W3025883697 sur OpenAlexaff
Christian Kuß

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMicrostructureMaterials scienceElectrolyteBattery (electricity)ElectrodeIonFast ion conductorComposite numberIonic bondingIon transporterLithium-ion batteryNanotechnologyChemical engineeringComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

Lithium ion mobility is one of the key properties that all battery materials need to exhibit for a Li-ion battery that functions reversibly and effectively. Within the battery, active materials are responsible for reversible intercalation, that requires the transport of Li-ions within the solid lattice. Outside the active material, the electrolyte shuttles Li-ions between the two electrodes. In between those materials, ion transport phenomena at the interfaces has been reported as having potentially significant impact on battery performance. We are here reporting our efforts in tracking Li+ transport in LiFePO4 and solid electrolyte composites. Having found a significant role of microstructure in ionic transport, this presentation is further dedicated to our recent exploration of microstructure and improved electrode interfaces. Using active microscopy techniques, new methods are being developed in the imaging and quantification of microstructural properties. These techniques are applied to the comparison of a new conductive binder system to the traditional PVDF/C electrode matrix. These studies are contributing to the underexplored issue of microstructural effects on battery performance, and highlight alternatives to composite electrode composition and microstructure control.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,215
Écart entre enseignants0,203 · 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
GenreAutre

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

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetAdvancements in Battery Materials→Travaux en français237 207→