Suppressing Lithium Dendrite Growth with Nanoparticle-Dispersed Colloidal Electrolytes
Notice bibliographique
Résumé
Lithium (Li) metal has been considered as a very promising anode material for next-generation batteries because of its low electronegativity (-3.04 V), low gravimetric density (0.53 g cc-1) and ultrahigh specific capacity (3860 mAh g-1). The recent simulations forecast that the rechargeable Li metal batteries (LMBs) coupled with the conventional transient metal oxide cathodes and the Li metal anode can deliver a high gravimetric energy density of up to 500 Wh kg-1. However, significant challenges, including low Coulombic efficiency (CE), short cycle life, and safety concerns have plagued the practical applications of Li metal as the anode in recharge batteries. However, its poor cycling stability due to Li dendrite formation and excessive Li pulverization is the major hurdle for its practical applications. In this work, we present a silica (SiO2) nanoparticle-dispersed colloidal electrolyte (NDCE) and its design principle for suppressing Li dendrite formation. SiO2 nanoclusters over the percolated threshold of Li+ ion transport play roles of enhancing the Li+ transference number and increasing the Li+ diffusivity in the vicinity of the Li plating substrate. NDCE enables less-dendritic Li plating by manipulating the nucleation-growth mode and extending Sand's time. Moreover, SiO2 can interplay with the electrolyte at the Li-metal surface, and thus, it can modify the solid-electrolyte interphase (SEI) structure by enriching fluorinated compounds. The initial control of the Li plating morphology and SEI structure by NDCE leads to a more uniform and denser Li deposition upon subsequent cycling, resulting in three-fold enhancement of the cycle life. The efficacy of the NDCEs has been further demonstrated by the practical battery design featuring a commercial-level NMC cathode (4.2 mAh cm-2) and very thin Li metal (40 μm) anode.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».