Factors that Affect Capacity in the Low Voltage Kinetic Hindrance Region of Ni-Rich Positive Electrode Materials and Diffusion Measurements from a Reinvented Approach
Notice bibliographique
Résumé
With research continuing to push for higher Ni content in positive electrode materials, issues such as the 1st cycle irreversible capacity and kinetic hindrances related to Li diffusion become more significant. This work highlights the impact of various material parameters on electrochemical performances, specifically the kinetic hindrances to Li diffusion in the low voltage region. Increasing the amount of substituents, increasing the secondary particle size and increasing the primary particle size were all variables found to decrease capacity in the ∼3.4–3.6 V region at modest discharge rates and increase the 1st cycle IRC. The capacity in the ∼3.4–3.6 V region can be recovered when cycling at a higher temperature at similar discharge rates or when cycling to a low cut-off voltage of 2 V. Since these processes are related to the diffusion of Li in the positive electrode, analysis of the Li chemical diffusion coefficient, D c , is presented using a reinvented approach we call the “Atlung Method for Intercalant Diffusion.” The measured D c for the single crystalline LiNi0.975Mg0.025O2 materials were found to be about 2 orders of magnitude smaller compared to the polycrystalline materials if the secondary particle size was used in the calculation of D c for the polycrystalline samples. If the primary particle size of the polycrystalline materials was used, then D c was similar to the single crystal materials. These results demonstrate that lattice diffusion is much slower compared to grain boundary diffusion offering insight for optimizing material morphology for better rate performance.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».