MétaCan
Menu
Retour à la cohorte
Enregistrement W3133361724 · doi:10.1016/j.elecom.2021.106979

Determining the effect of dissolved CO2 on solution phase Li+ diffusion in common Li-ion battery electrolytes

2021· article· en· W3133361724 sur OpenAlexafffund
Laurence Savignac, Jeremy I. G. Dawkins, Steen B. Schougaard, Janine Mauzeroll

Notice bibliographique

RevueElectrochemistry Communications · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensMcGill UniversityUniversité du Québec à Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectrolytePulsed field gradientEthylene carbonateDiffusionChemistryBattery (electricity)Analytical Chemistry (journal)IonDimethyl carbonateMass spectrometryInorganic chemistryGaseous diffusionPhase (matter)CarbonateElectrodeThermodynamicsChromatographyPhysical chemistryOrganic chemistryMolecule

Résumé

récupéré en direct d'OpenAlex

Electrolyte decomposition in Li-ion batteries (LIB) and its entailing gas evolution significantly impacts cell performance. CO2 is one of the most abundantly evolved gases from common LIB electrolytes and could potentially affect Li+ solution transport during LIB operation. To this end, a comparative analysis of the Li+ diffusion coefficient (DLi+) which governs mass transport is required. Herein a methodology is established to saturate common battery electrolytes with a soluble gas without introducing other contaminants, so as to determine DLi+ in saturated and unsaturated samples. As a proof of concept, the values of DLi+ are determined in 1 M LiPF6 and 1 M LiClO4 in ethylene carbonate (EC):dimethyl carbonate (DMC) with and without dissolved CO2, confirmed by gas chromatography–mass spectrometry (GC–MS). The results obtained by pulse field gradient nuclear magnetic resonance (PFG-NMR) diffusion measurements agree for both electrolytes; saturating the electrolyte with CO2 has no measurable effect on DLi+ and therefore does not hinder Li+ mass transport.

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 enseignants0,007
Score d'incertitude au seuil0,729

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 ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,284
Écart entre enseignants0,273 · 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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueElectrochemistry CommunicationsMême sujetAdvancements in Battery MaterialsTravaux en français237 207