A Baseline Kinetic Study of Co-Free Layered Li<sub>1+x</sub>(Ni<sub>0.5</sub>Mn<sub>0.5</sub>)<sub>1−x</sub>O<sub>2</sub> Positive Electrode Materials for Lithium-Ion Batteries
Notice bibliographique
Résumé
Variations of Li chemical diffusion coefficient ( ) with voltage in a series of Co-free Li 1+x (Ni 0.5 Mn 0.5 ) 1−x O 2 , 0 ≤ x ≤ 0.12, materials were systematically investigated using the recently developed "Atlung Method for Intercalant Diffusion". The effects of primary and secondary particle sizes, excess Li content, heating temperature, and synthesis atmospheres on were measured. Li-ion kinetics can be enhanced by an order of magnitude by lowering the amount of Ni atoms in the Li layers (cation mixing) from 10% to 4%. Decreasing cation mixing can be accomplished by either increasing the excess Li content or heating temperature. When cycled to 4.6 V, higher specific capacities were obtained, but with a penalty to due to transition metal migration to the Li layers. The primary particles control the Li diffusion length in these materials, regardless of the secondary particle size indicating that grain boundary diffusion must be very rapid. The general trends observed in this work are of great value for the development of higher Mn-containing, Co-free materials. It should be possible to increase energy/power density by making large secondary particles, composed of small primary particles to minimize the solid-state diffusion length while maximizing grain boundary diffusion.
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 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».