Capacity retention improvement of LiCoO2 cathodes via their laser-ablation-based nanodecoration by BaTiO3 nanoparticles
Notice bibliographique
Résumé
We report on the pulsed-laser-deposition (PLD) based nanodecoration of LiCoO2 (LCO) with BaTiO3 (BTO) nanoparticles (NPs) aimed at increasing the density of dielectric-active material–electrolyte triple-phase interfaces (TPIs). The BTO-NPs were deposited onto LCO at different numbers of laser pulses (NLp) and two different schemes, namely, (i) BTO-NP deposition on the surface of the precast cathode (“2D-nanodecoration”) and (ii) BTO-NP decoration of LCO powder prior to its processing to form a working cathode (“3D-nanodecoration”). While the “2D-nanodecoration” mode was found to improve significantly the discharge capacity of the LCO cathodes (by ∼30 mAh/g for NLp ≥ 200), their capacity retention (CR) was modest. In contrast, the “3D-nanodecoration” scheme enabled not only the volumic nanodecoration of the LCO powder by BTO-NPs but also their subsequent annealing to improve their crystallinity. These 3D-nanodecorated LCO cathodes were found to exhibit significantly higher CR values. In particular, for NLp = 100 k, a CR (@10 °C) as high as 78% was achieved (∼47% higher than that of their sol–gel-processed cathode counterparts). Our results point out that three key ingredients (small BTO-NP size, high DTPI, and high dispersibility of NPs on LCO) should be combined to ensure a high CR of BTO-NP-decorated LCO cathodes.
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 ».