Adhesion and Surface Layers on Silicon Anodes Suppress Formation of c-Li3.75Si and Solid Electrolyte Interphase
Notice bibliographique
Résumé
<div>The formation of c-Li3.75Si is known to be detrimental to silicon anodes in lithium-ion batteries. To suppress the formation of this crystalline phase and improve the electrochemical performance of Sibased anodes, three approaches were amalgamated: addition of a nickel adhesion sublayer, alloying of the silicon with titanium, and the addition of either carbon or TiO2 as a capping layer. The silicon-based films were analyzed by a suite of methods, including scanning electron microscopy (SEM) and a variety of electrochemical methods, as well as X-ray photoelectron spectroscopy (XPS) to provide insights into the composition of the resulting solid electrolyte interphase (SEI). A nickel adhesion layer decreased the extent of delamination of the silicon from the underlying copper substrate, compared to Si deposited directly on Cu, which resulted in less capacity loss. Alloying of silicon with titanium (85% silicon, 15% titanium) further increased the stability. Finally, capping these multilayer electrodes with either a thin 10 nm layer of carbon or TiO2 resulted in the best electrode behavior, and lowest cumulative relative irreversible capacity. TiO2 is slightly more effective in enhancing the capacity retention, most likely due to differences in the resulting solid electrolyte interphase (SEI). The combination of an adhesion layer, alloying, and surface coatings shows a cumulative suppression of the formation of c-Li3.75Si and SEI, resulting in the greatest improvement of capacity retention when all three are incorporated together. However, these strategies appear to only delay the onset of the c-Li3.75Si phase; eventually, the c-Li3.75Si phase will form, and at that point, the rate of capacity degradation of all the electrodes becomes similar.</div>
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».