MétaCan
Menu
Retour à la cohorte
Enregistrement W3078616015 · doi:10.1002/smll.202003438

Engineering Solvation Complex–Membrane Interaction to Suppress Cation Crossover in 3 V Cu‐Al Battery

2020· article· en· W3078616015 sur OpenAlexafffund
Huimin Wang, Yang Sun, Matthew Li, Gaoran Li, Kaiming Xue, Zhongwei Chen, Denis Y. W. Yu

Notice bibliographique

RevueSmall · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of WaterlooCity University of Hong Kong
Mots-clésSolvationBattery (electricity)CrossoverMaterials scienceMembraneChemical physicsIonChemistryNanotechnologyComputational chemistryThermodynamicsOrganic chemistryComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Metal-metal batteries such as the 3 V Cu-Al system are highly desirable for large-scale energy storage owing to their low cost and excellent scalability of Cu and Al foils. However, the dissolved Cu cations will crossover from the cathode to the anode leading to poor electrochemical performance. In this work, it is demonstrated that the reversibility of the Cu-Al battery depends strongly on the interaction of the Cu ions with the electrolyte solvent and subsequently the affinity of the solvated Cu ion with the membrane separator. Specifically, a series of common carbonate-based electrolyte solvents are investigated via molecular dynamics and contact angle measurements to understand the interaction between the solvents and a polypropylene (PP) membrane, as well as that between cations and solvent. Among different solvents, fluoroethylene carbonate (FEC) is shown to drastically enhance the coulombic efficiency to 97%, compared to that of 27% with dimethyl carbonate. Remarkable cyclability of a 3 V Cu-Al battery with 3 m LiTFSI FEC and PP membrane up to 1000 cycles is further demonstrated. This finding opens new opportunities for the development of low-cost, high performance Cu-Al systems for stationary applications.

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 enseignants0,087
Score d'incertitude au seuil0,647

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 Opus0,039
Tête enseignante GPT0,258
Écart entre enseignants0,219 · 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

Citations15
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetAdvancements in Battery MaterialsTravaux en français237 207