MétaCan
Menu
Retour à la cohorte
Enregistrement W3037477222 · doi:10.1002/aenm.202000997

Lithium Manganese Spinel Cathodes for Lithium‐Ion Batteries

2020· article· en· W3037477222 sur OpenAlexaff
Yimeng Huang, Yanhao Dong, Sa Li, Jinhyuk Lee, Chao Wang, Zhi Zhu, Weijiang Xue, Yao Li, Ju Li

Notice bibliographique

RevueAdvanced Energy Materials · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensMcGill University
Organismes subventionnairesOffice of Energy EfficiencyBasic Energy SciencesU.S. Department of EnergyIdaho Operations Office, U.S. Department of EnergyOffice of Energy Efficiency and Renewable EnergyAdvanced Manufacturing Office
Mots-clésSpinelCathodeMaterials scienceManganeseElectrochemistryLithium (medication)IonRedoxChemical engineeringDegradation (telecommunications)ElectrodeInorganic chemistryPhysical chemistryMetallurgyChemistryElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Spinel LiMn2O4, whose electrochemical activity was first reported by Prof. John B. Goodenough's group at Oxford in 1983, is an important cathode material for lithium‐ion batteries that has attracted continuous academic and industrial interest. It is cheap and environmentally friendly, and has excellent rate performance with 3D Li+ diffusion channels. However, it suffers from severe degradation, especially under extreme voltages and during high‐temperature operation. Here, the current understanding and future trends of the spinel cathode and its derivatives with cubic lattice symmetry (LiNi0.5Mn1.5O4 that shows high‐voltage stability, and Li‐rich spinels that show reversible hybrid anion‐ and cation‐redox activities) are discussed. Special attention is given to the degradation mechanisms and further development of spinel cathodes, as well as concepts of utilizing the cubic spinel structure to stabilize high‐capacity layered cathodes and as robust framework for high‐rate electrodes. “Good spinel” surface phases like LiNi0.5Mn1.5O4 are distinguished from “bad spinel” surface phases like Mn3O4.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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

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 Opus0,018
Tête enseignante GPT0,247
Écart entre enseignants0,229 · 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'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

Citations363
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207