MétaCan
Menu
Retour à la cohorte
Enregistrement W3114863494 · doi:10.1149/ma2020-022406mtgabs

Quantifying Slow Diffusion in High Capacity, Multi-Phase Electrode Materials

2020· article· en· W3114863494 sur OpenAlexaff
Sara Early, Eliana Feygin, Mohammedreza Zamanzad Ghavidel, Shaochen Ding, Oles Sendetskyi, Michael D. Fleischauer

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of AlbertaNational Research Council CanadaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNucleationDiffusionLithium (medication)Materials scienceElectrochemistryElectrodeCyclic voltammetryPhase (matter)FOIL methodAlloyChemical engineeringAnalytical Chemistry (journal)ThermodynamicsChemistryMetallurgyComposite materialPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The use of metal alloys as negative electrode materials in lithium-ion batteries offers the potential for high lithium storage capacities at low cost, two key aspects for competitive energy storage technologies. Recent work shows that a single piece of aluminum foil can be used as both the negative electrode active material and current collector, and in a full cell configuration, support over 100 cycles without appreciable capacity fade.1 This breakthrough is due to control of the nucleation and growth of the β-AlLi phase. Many other (higher capacity) Al-Li phases are predicted and can be detected when formed via thermal methods, but are generally not accessible via electrochemical methods. We demonstrated the reversible electrochemical formation of four Li-Al phases (β-AlLi, Al2Li3, AlLi2-x, Al4Li9) by cycling at slightly elevated temperatures (>= 40°C) to overcome nucleation and diffusion barriers.2 There is a strong need to decouple kinetic (e.g. diffusion) and thermodynamic limits to understand and improve the practical performance of metal alloy electrodes. Reliable quantification of diffusion rates can be challenging. Many of the techniques commonly used (e.g. potentio-or-galvanostatic titration, electrochemical impedance, cyclic voltammetry) depend on questionable assumptions or are not always applicable to materials with co-existing phases, as found in most lithium-metal alloys.3 We will report on our use of the lithiation of thin aluminum foil as a model (i.e. diffusion limited) system to compare and contrast apparent (i.e. technique-dependent) lithium diffusion rates in the various Al-Li phases. In addition, as the samples are in effect planar, experimental diffusion measurements will be complemented with numerical simulations of one dimensional Fickian diffusion in the same conditions, to validate the calculated diffusion values against experimentally measured galvanostatic potential-capacity data sets. All electrochemical experimental data was collected using Conflat-style electrochemical cells, which we designed for repeatable electrochemical testing over a wide temperature range (30 - 150°C).4 Repeatability is enabled by engineered alignment of electrodes, adjustable control of stack pressure, and ultra-high vacuum tight Conflat seals. Cell-to-cell variability (including all factors) is <5% at intermediate temperatures (<90°C) and <10% at higher temperatures (120-150°C) as we approach the limits of liquid electrolyte stability and the melting point of Li (181°C). Galvanostatic data was collected over a wide range of current densities (from dynamic to near-equilibrium rates, e.g. C/9 to C/280) and a wide range of tightly controlled temperatures (30 ± 1 to 150 ± 3°C). Examples of the dramatic effects of current density and temperature on phase formation / cell potential and final capacity are provided in the attached figure. Nucleation of β-AlLi did not occur at low temperatures and moderate current densities. Nucleation of Al2Li3 only occurred at temperatures above 40°C, even at very low rates. Measured potentials of the lithiation of β-AlLi (to form Al2Li3) varied by almost an order of magnitude, presumably due to very slow diffusion at moderate temperatures. Insight in to technique-dependent diffusion measurements and robust estimates of diffusion coefficients validated against a broad experimental data set will improve our analysis of, and the potential for, metal alloy electrode materials. [1] H. Li et al., Nature Communications, 11, 1584 (2020). [2] M.Z. Ghavidel et al., Journal of The Electrochemical Society, 166, A4034-A4040 (2019). [3] Y. Xu et al., International Journal of Hydrogen Energy, 35, 6366 (2010). [4] M.D. Fleischauer et al., Journal of The Electrochemical Society, 166, A398-A402 (2019). Figure 1

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,048
Tête enseignante GPT0,284
Écart entre enseignants0,236 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetAdvancements in Battery MaterialsTravaux en français237 207