MétaCan
Menu
Retour à la cohorte
Enregistrement W3027405519 · doi:10.1021/acs.chemmater.0c00235

Insights into Multiphase Reactions during Self-Discharge of Li-S Batteries

2020· article· en· W3027405519 sur OpenAlexafffund
Guobin Wen, Sarish Rehman, Debasis Ghosh, Zhongwei Chen, Jeff T. Gostick, Michael A. Pope

Notice bibliographique

RevueChemistry of Materials · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesWaterloo Institute for Nanotechnology, University of WaterlooScience and Engineering Research BoardNatural Sciences and Engineering Research Council of CanadaChina Scholarship CouncilUniversity of Waterloo
Mots-clésSelf-dischargePolysulfideBattery (electricity)CathodeAnodeMaterials scienceSolubilityDepth of dischargeEnergy storageCapacity lossLithium (medication)Chemical engineeringNuclear engineeringChemistryThermodynamicsElectrolyteElectrodePower (physics)Organic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Lithium-sulfur (Li-S) batteries are promising next-generation rechargeable energy storage systems due to their high energy density and use of abundant and inexpensive materials. However, rapid self-discharge and poor cycling stability due to the solubility of intermediate polysulfide conversion products have slowed their commercialization. Herein, we provide a detailed account of the multiphasic reactions occurring during the self-discharge of a Li-S battery held at various depth of discharge (DOD) through both simulation and experiment. For the first time, self-discharge of a full Li-S battery is simulated using a 1D model to describe reactions at both the anode and cathode. The model accurately describes experimentally derived results obtained over the longest durations of self-discharge studied to date (140 h). This validated model was used to follow the reversible and irreversible capacity loss caused by shuttling and precipitation of insoluble Li2S2 and Li2S as a function of DOD. While the most rapid self-discharge is observed at low DOD, this also leads to the smallest irreversible loss. The results suggest that resting a Li-S battery near 2.1 V minimizes both reversible and irreversible losses.

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 enseignants0,003
Score d'incertitude au seuil0,620

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 Opus0,009
Tête enseignante GPT0,206
Écart entre enseignants0,197 · 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

Citations52
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemistry of MaterialsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207