Practical Approach to Enhance Compatibility in Silicon/Graphite Composites to Enable High-Capacity Li-Ion Battery Anodes
Notice bibliographique
Résumé
There is an urgent need to improve the energy density of Li-ion batteries to enable mass-market penetration of electric vehicles, grid-scale energy storage, and next-generation consumer electronics. Silicon-graphite composites are currently the most plausible anode material to overcome the capacity limit of graphite or poor cycling performance of silicon. One serious and unrecognized limitation to the use of the composite as an anode is the incompatibility of hydrophobic (natural) graphite with the hydrophilic Si, which adversely affects battery performance. Herein, we report a novel, practical approach to modify the graphite resulting in the formation of a hard carbon coating and graphene sheets that give rise to higher compatibility with Si nanoparticles in the composite. Electrochemical and battery testing of the composite (10 wt % Si) anode shows higher reversible capacity (10% at C/12 and 20% at C/2) than the composite with unmodified graphite reaching ∼600 mAh/g with 95% retention after 100 cycles. The enhanced battery performance is explained by the uniform distribution of Si nanoparticles at the modified graphite surface due to the presence of graphene conductive networks and a thin, oxygen-rich, amorphous carbon layer on the surface of graphite particles, as evidenced by transmission electron microscopy (TEM) images and X-ray photoelectron spectra (XPS). This work provides a new approach to prepare graphite compatible materials that can work with hydrophilic components other than silicon for various applications other than 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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 tête enseignante, 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 ».