Combinatorial methods in advanced battery materials design
Notice bibliographique
Résumé
In the search for better performing battery materials, researchers have increasingly ventured into complex composition spaces, including numerous pseudo-quaternaries, with further substitutions being either explored experimentally or proposed based on computation. Given the vast composition spaces that need exploring, experimental combinatorial science can play an important role in accelerating the development of advanced battery materials and is arguably the best means to obtain a sufficiently large data set to truly bring a high degree of precision to advanced computational techniques such as machine-learning. Herein, we present a robust high-throughput synthesis platform that is currently being used in the McCalla lab at McGill University to study Li-ion cathodes, anodes, and solid electrolytes, as well as Na-ion cathodes. The synthesis methods used are presented in detail, as are the high-throughput characterization techniques we utilize regularly (X-ray diffraction, electrochemical testing, and electrochemical impedance spectroscopy). We quantitatively determine the high precision and reproducibility achieved by this combinatorial system and also demonstrate its versatility by presenting for the first time combinatorial data for two high-power anodes for Li-ion batteries (TiNb2O7 and W3Nb14O44), as well as solid state electrolyte Li7La3Zr2O12. Our methods reproduce accurately the results from the literature for bulk samples, indicating that the high-throughput methodology utilizing small milligram-scale samples scales up extremely well to the larger sample sizes typically used in both the literature and industry. The throughput of this combinatorial infrastructure has a current limit of 896 XRD patterns and 896 EIS patterns a week and 448 cyclic voltammograms running simultaneously.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».