MétaCan
Menu
Retour à la cohorte
Enregistrement W4285397681 · doi:10.1149/ma2022-011151mtgabs

Exploring Charged Defects and Dopability Limits of Solid Electrolytes, a Computational Study

2022· article· en· W4285397681 sur OpenAlexaff
Yasmine Benabed, Diana Dahliah, Mickaël Dollé, Geoffroy Hautier

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésElectrolyteIonic conductivityFast ion conductorConductivityElectrochemical windowLithium (medication)Materials scienceElectrochemistryIonic bondingIonChemistryPhysical chemistryElectrode

Résumé

récupéré en direct d'OpenAlex

All-Solid-State Lithium Batteries (ASSLBs) are a new generation of lithium batteries that is developed to meet high expectations in terms of safety, stability and high energy density. The liquid electrolyte of conventional Li-ion batteries is replaced in ASSLBs by a safer and more stable solid electrolyte (SE). These solid electrolytes must meet a number of requirements before they can be considered in ASSLBs, including a wide electrochemical stability window, a high ionic conductivity and a negligible electronic conductivity [1] . For a long time, researchers have focused on achieving the highest ionic conductivity possible on these materials, comparable to the one of liquid electrolytes. The ionic conductivity in SEs has been successfully increased by the introduction of defects (doping) and Li1.3Al0.3Ti1.7(PO4)3 and Li1.5Al0.5Ge1.5(PO4)3 solid electrolytes are both excellent examples of such achievement. However, the formation of defects can also have a significant effect on the SEs electronic conductivity [2] , [ 3] , [ 4] . Increasing the electronic conductivity in solid electrolytes is detrimental to the ASSLBs safety and integrity. Therefore, it is essential to understand the defect chemistry in SEs. Due to their negligible concentration, characterizing point defects is hardly possible using standard characterization techniques, justifying the need for first-principles calculations. In this work, we have investigated the defect chemistry of most common solid electrolytes (LixM2(PO4)3 (M = Zr, Ti, Ge, Al), Li7La3Zr2O12, LiLaTi2O6, Li10Ge(PS6)2, Li7P3S11, Li3PS4, Li3PO4 and LiPO3). For each SE, we computed the formation energies for intrinsic defects and assessed the dopability limits as a function of the synthesis conditions. We found that the position of the Fermi level and dopability limits depend strongly on lithium and oxygen/sulfur chemical potentials but also on the nature of the solid electrolyte. We advocate that it is imperative to better regulate the synthesis conditions if we want to gain control over the formation of defects in solid electrolytes. The outcoming properties of these materials, such as the ionic and electronic conductivities, depend on it. [1] N. Dudney. Springer. 2003, 624-642. [2] E. Zhao et al. J. Alloys Comp. 2019. 782, 384-391. [3] Y. Song et al. J. Mat. Chem. A. 2019, 7(40), 22898-22902. [4] Y. Shan et al. J. Power Sources. 1995, 54(2), 397-402.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,245
Écart entre enseignants0,205 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207