MétaCan
Menu
Retour à la cohorte
Enregistrement W3091764811 · doi:10.3389/fchem.2020.562549

Lithium and Chlorine-Rich Preparation of Mechanochemically Activated Antiperovskite Composites for Solid-State Batteries

2020· article· en· W3091764811 sur OpenAlexfundno aff
Yi Yang, Joah Han, Michael A. DeVita, Stephanie S. Lee, Jae Chul Kim

Notice bibliographique

RevueFrontiers in Chemistry · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesYork University
Mots-clésAntiperovskitePassivationMaterials scienceIonic conductivityElectrolyteFast ion conductorLithium (medication)Chemical engineeringChlorineConductivityElectrochemistryComposite materialMetallurgyElectrodeChemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Assembling all-solid-state batteries presents a unique challenge due to chemical and electrochemical complexities of interfaces between a solid electrolyte and electrodes. While the interface stability is dictated by thermodynamics, making use of passivation materials often delays interfacial degradation and extends the cycle life of all-solid cells. In this work, we investigated antiperovskite lithium oxychloride, Li3OCl, as a promising passivation material that can engineer the properties of solid electrolyte-Li metal interfaces. Our experiment to obtain stoichiometric Li3OCl focuses on how the starting ratios of lithium and chlorine and mechanochemical activation affect the phase stability. For substantial LiCl excess conditions, the antiperovskite phase was found to form by simple melt-quenching and subsequent high-energy ball-milling. Li3OCl prepared with 100% excess LiCl exhibits ionic conductivity of 3.2×10-5 S cm-1 at room temperature, as well as cathodic stability against Li metal upon the extended number of cycling. With a conductivity comparable to other passivation layers, and stable interface properties, our Li3OCl/LiCl composite has the potential to stably passivate the solid-solid interfaces in all-solid-state batteries.

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 enseignants0,012
Score d'incertitude au seuil0,531

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 Opus0,007
Tête enseignante GPT0,222
Écart entre enseignants0,215 · 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

Citations23
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ChemistryMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207