Review—Surface Coatings for Cathodes in Lithium Ion Batteries: From Crystal Structures to Electrochemical Performance
Notice bibliographique
Résumé
Lithium ion batteries (LIBs) have dominated the energy industry due to their unmatchable properties that include a high energy density, a compact design, and an ability to meet a number of required performance characteristics in comparison to other rechargeable systems. Both government agencies and industries are performing intensive research on Li-ion batteries for building an energy-sustainable economy. LIBs are single entities that consist of both organic and inorganic materials with features covering multiple length scales. Two vital parameters for LIBs are their stable and safe operation. Critical insights should be made for understanding the structure to property relationships and the behavior of components under the working condition of LIBs. Since, the cathode serves as a central component of LIBs, the overall cell performance is significantly affected by the chemical and physical properties of the cathode. Cathodes tend to react with the electrolytes and, hence, to undergo surface modifications accompanied by degradation. These side-reactions result in an erosion of battery performance, thereby causing a reduced battery life and power capacity. Recently, techniques for preparing surface coatings on cathode materials have been widely implemented as a measure to improve their stability, to enhance their electrochemical performance, and to prevent detrimental surface reactions between the electrode materials and electrolyte. This review will cover different types of surface coatings for cathode materials, as well as a comparison of the changes in electrochemical performance between those materials with and without an applied coating. In addition, a brief outlook is included for different cathode materials and their coatings.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».