MétaCan
Menu
Retour à la cohorte
Enregistrement W3216204793 · doi:10.1002/aenm.202102233

A Review of Lithium‐Ion Battery Electrode Drying: Mechanisms and Metrology

2021· review· en· W3216204793 sur OpenAlexfundno aff
Ye Shui Zhang, Nicola E. Courtier, Zhenyu Zhang, Kailong Liu, Josh J. Bailey, Adam M. Boyce, Giles Richardson, Paul R. Shearing, Emma Kendrick, Dan J. L. Brett

Notice bibliographique

RevueAdvanced Energy Materials · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésMaterials scienceMetrologyElectrodeBattery (electricity)Process engineeringProcess (computing)Lithium-ion batteryLithium (medication)NanotechnologyComputer scienceMechanical engineeringEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Lithium‐ion battery manufacturing chain is extremely complex with many controllable parameters especially for the drying process. These processes affect the porous structure and properties of these electrode films and influence the final cell performance properties. However, there is limited available drying information and the dynamics are poorly understood due to the limitation of the existing metrology. There is an emerging need to develop new methodologies to understand the drying dynamics to achieve improved quality control of the electrode coatings. A comprehensive summary of the parameters and variables relevant to the wet electrode film drying process is presented, and its consequences/effects on the finished electrode/final cell properties are mapped. The development of the drying mechanism is critically discussed according to existing modeling studies. Then, the existing and potential metrology techniques, either in situ or ex situ in the drying process are reviewed. This work is intended to develop new perspectives on the application of advanced techniques to enable a more predictive approach to identify optimum lithium‐ion battery manufacturing conditions, with a focus upon the critical drying process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,306
Écart entre enseignants0,284 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations215
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207