Understanding the mechanism of enhanced cycling stability in Sn-Sb composite Na-ion battery anodes: in-operando alloying and diffusion barriers
Notice bibliographique
Résumé
Sn-Sb composites are of great interest for high capacity sodium ion batteries due to their high stability, but because multiple phases and alloyed compositions are formed during cycling, the roles of each are challenging to deduce. In this work, two approaches were taken to investigate the importance of β-SnSb formation on the cycling stability of Sn-rich Sn-Sb composite sodium-ion battery (SIB) anodes. First, to tease out the role of each component, thin layers of amorphous silicon with thicknesses ranging from 0.5 to 10 nm, were incorporated between Sn and Sb layers, of equal thicknesses. Silicon has low solubility in both tin and antimony, and thus acts as a barrier layer that can interfere with the formation of Sn-Sb alloys. The equivalent composition of this sandwich structure was Sn53Sb47. Upon electrochemical cycling, a clear correlation between capacity retention and Si thickness was observed, and it was found that a 1 nm thick Si layer was sufficient to inhibit the formation of the β-SnSb intermetallic, resulting in loss of the capacity of the tin layer after a few tens of cycles. The second approach involved capping a Sn film with increasingly thicker Sb layers. Thicker antimony layers were found to have a large positive influence on cycling stability with a marked drop-off in the capacity retention when there is not enough Sb to fully convert the bilayer into β-SnSb. These results point to the necessity of the Sn and Sb being in intimate contact prior to cycling for the β-SnSb phase to form in-operando, which is necessary for the excellent capacity retention of the Sn-Sb system.
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 | 0,001 |
| 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 ».