MétaCan
Menu
← Retour à la cohorte
Enregistrement W3043626401 · doi:10.1038/s41598-020-68865-8

Facile formulation and fabrication of the cathode using a self-lithiated carbon for all-solid-state batteries

2020· article· en· W3043626401 sur OpenAlexafffund
Nicolas Delaporte, Ali Darwiche, Mireille Léonard, Gilles Lajoie, Hendrix Demers, Daniel Clément, R. Veillette, Lisa Rodrigue, Michel L. Trudeau, C. Kim, Karim Zaghib

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensHydro-Québec
Organismes subventionnairesHydro-Québec
Mots-clésCathodeElectrochemistryCarbon fibersMaterials scienceLithium (medication)Chemical engineeringOxideComposite numberAqueous solutionElectrodeCarboxylateDispersion (optics)Inorganic chemistryChemistryComposite materialOrganic chemistryMetallurgyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract We propose a innovative concept to boost the electrochemical performance of cathode composite electrodes using surface-modified carbons with hydrophilic moieties to increase their dispersion in a Lithium Nickel Manganese Cobalt Oxide (NMC) cathode and in-situ generate Li-rich carbon surfaces. Using a rapid aqueous process, the hydrophilic carbon is effectively dispersed in NMC particles followed by the conversion of its acid surface groups (e.g. –COOH), which interact with the NMC particles due to their basicity, into grafted Li salt (–COO − Li + ). The solid-state batteries prepared using the cathode composites with surface-modified carbon exhibit better electrochemical performance. Such modified carbons led to a better electronic conduction path as well as facilitating Li + ions transfer at the carbon/NMC interface due to the presence of lithiated carboxylate groups on their surface.

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 savante0,0000,000
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 Opus0,029
Tête enseignante GPT0,269
Écart entre enseignants0,241 · 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

Citations11
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetAdvancements in Battery Materials→Travaux en français237 207→