Chemically Prepared Li₀.₆FePO₄ Solid Solution as a Vehicle for Studying Phase Separation Kinetics in Li-Ion Battery Materials
Notice bibliographique
Résumé
The commercial success of LiFePO4 in high-power Li-ion batteries is strongly related to its unique ultrahigh-rate charge/discharge performance that permits full charge in less than a minute. Since Li1–xFePO4 (0.05 ≤ x ≤ 0.95) separates into two phases with poor electronic and ionic conduction, this raises questions regarding the structural dynamics of phase separation. In this paper, the transformation of metastable solid solution Li0.6FePO4 into a phase-separated material is studied by analysis of the local and bulk structure. 6Li MAS NMR is used to probe the immediate environment where proximity to Fe3+ results in a significant shift in resonance frequency. Conversely, time-resolved X-ray diffraction (XRD) measurements reveal the transformation kinetics at the unit cell scale. The XRD showed no preferential relaxation along the a, b, and c crystal axes, consistent with the absence of a phase boundary perpendicular to the fast diffusion b axis. Key to the analysis is the preparation of the solid solution, which yields phase-pure samples exhibiting no evidence of the thermodynamically stable LiFePO4 or FePO4 phases. Long-term measurement indicated that after 263 days under an argon atmosphere these samples still exhibited a solid solution fraction > 40%. However, in the presence of an electrolyte, phase separation is significantly more rapid. The results presented support Li et al. model [Nat. Mater.2018, 17, 915], where vehicular lithium transport at the surface determines the rate of phase separation and offers a methodology for studying high-energy-density LiMPO4 systems (M = transition metal) that currently are limited by poor high-rate performance.
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 | 0,001 |
| 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 ».