MétaCan
Menu
Retour à la cohorte
Enregistrement W3117550834 · doi:10.1149/ma2020-022264mtgabs

A Maturation Process or Binders Based on Coordination Chemistry to Boost the Mechanical Strength and Cyclability of Si-Based Electrodes

2020· article· en· W3117550834 sur OpenAlexaboutno aff
Lucas Huet, Nassima Kana, Driss Mazouzi, Victor Vanpeene, Thomas Devic, Éric Maire, Lionel Roué, Bernard Lestriez

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectrodeElectrolyteElectrochemistrySiliconMaterials scienceSlurryChemical engineeringNanotechnologyMetallurgyComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

Silicon is attractive as negative electrode material for Li-ion batteries (LIBs) to increase their energy density [1]. The main challenge is to deal with the large silicon volume expansion induced by its lithiation, which damages the mechanical integrity of the electrode, and produces an unstable solid electrolyte interphase (SEI). Recently, we have discovered a post-processing treatment, called maturation, which very significantly improves the mechanical and electrochemical stabilities of silicon-based electrodes made with polycarboxylic acid binders [2-4]. It consists of storing the electrode in a humid atmosphere for a few days before drying and cell assembly. We found that during maturation, the atmospheric-induced corrosion of the current collector releases oxidized copper species that migrate into the electrode to physically crosslink the binder phase, substantially modifying its resiliency to the silicon volume variation as shown by various in situ and operando characterizations. The pre-addition of a small amount of copper or zinc salt in the electrode slurry allows to reach similar improvement of electrochemical performance than maturation [5]. This reveals that there is great potential to explore coordination chemistry to design new, more efficient binders through the medium strength and dynamic nature of coordination bonds [6]. Acknowledgments The authors thank the Natural Sciences and Engineering Research Council of Canada (NSERC) (grant RGPIN-2016-04524) and Transition Énergétique Québec (TEQ) (grant Techno-0040-0001) for financial support of this work. References [1] M.N. Obrovac, Si-alloy negative electrodes for Li-ion batteries. Current Opinion in Electrochemistr, 2018, 9, 8–17. [2] Z. Karkar et al., How silicon electrodes can be calendered without altering their mechanical strength and cycle life J. Power Sources, 2017, 371, 136-147. [3] C. Real Hernandez et al., A Facile and Very Effective Method to Enhance the Mechanical Strength and the Cyclability of Si-Based Electrodes for Li-Ion Batteries, Adv. Energy Mater, 2017, 1701787. [4] V. Vanpenne et al., Adv. Energy Mater, Dynamics of the morphological degradation of Si-based anodes for Li-ion batteries characterized by in-situ synchrotron X-ray tomography, Adv. Energy Mater. 9, 2019, 1803947 [5] D. Mazouzi et al., CMC-citric acid Cu(II) cross-linked binder approach to improve the electrochemical performance of Si-based electrodes Electrochimica Acta, 2019, 304, 495-504. [6] T. Devic, B. Lestriez, L. Roué, Silicon Electrodes for Li-Ion Batteries. Addressing the Challenges through Coordination Chemistry, ACS Energy Letters, ACS Energy Lett., 2019, 4, 550−557.

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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,014
Tête enseignante GPT0,249
Écart entre enseignants0,235 · 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