Correlating Cation Mixing with Li Kinetics: Electrochemical and Li Diffusion Measurements on Li-Deficient LiNiO<sub>2</sub> and Li-Excess LiNi<sub>0.5</sub>Mn<sub>0.5</sub>O<sub>2</sub>
Notice bibliographique
Résumé
Cation mixing in Li-based layered positive electrode materials has been reported to negatively affect the electrochemical performance and transport properties of intercalated Li. However, no previous reports have systematically correlated the impact of cation mixing (Ni atoms in the Li layer) on the electrochemical properties and Li transport. Herein, a series of Li-deficient LNO (Li 1−x Ni 1+x O 2 ) materials with different amounts of Ni in the Li layers ranging from ca. 1.5%–6.0% was intentionally prepared by varying the Li/Ni ratio during synthesis. An order of magnitude decrease in the Li chemical diffusion coefficient was found between samples with 1.5% and 6% Ni in the Li layer. A similar dependence of the diffusion constant on the amount of Ni in the Li layer was also observed in the Li-excess materials Li 1 + x Ni 0.5 Mn 0.5 1 − x O 2 for x = 0, 0.04, 0.08, 0.12, suggesting that, in general, larger amounts of Ni in the Li layer will lead to worse kinetics. This work quantitatively demonstrates that the amount of Ni in the Li layer needs to be carefully considered for the development of high-energy Ni-containing layered positive electrode materials as it directly affects overall electrochemical performance, phase transitions, and Li diffusion, leading to worse kinetics and seriously hindering rate capability.
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 ».