MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285398840 · doi:10.1149/ma2022-01231199mtgabs

Development of Cathodes for Aluminum-Ion and Aluminum-Air Batteries Using Pulsed Electrodeposition

2022· article· en· W4285398840 sur OpenAlexaff
Shahram Karimi

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensLambton CollegeUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEnergy storageBattery (electricity)CathodeGrid energy storageAnodeMaterials scienceProcess engineeringRenewable energyNanotechnologyEnvironmental scienceElectrical engineeringEngineeringElectrodeDistributed generationPower (physics)Chemistry

Résumé

récupéré en direct d'OpenAlex

Electrical energy storage has emerged as a critical component in North America’s clean energy transformation. Vehicle electrification and integration of renewables such as wind and solar power into the grid have further underlined the importance of affordable, environmentally friendly energy storage platforms. Rechargeable batteries are now considered to be viable options for large-scale energy storage with lithium-ion and redox flow batteries leading the charge. Over the past decades, aluminum-ion batteries have experienced a renaissance on account of their high volumetric energy density, superior cycleability, enhanced stability and significant cost benefits compared with other commercially available secondary batteries. Aluminum-air batteries also hold significant promise as primary energy storage platforms, but they suffer from thermodynamics and kinetics hurdles, leading to inferior performance. To address these issues, researchers have focused on optimizing different cell components, including anodes, cathodes, and electrolytes. It is well established that nano-structuring battery components would markedly improve their short- and long-term performance by enhancing reaction kinetics. One of the major impediments to wide-scale commercialization of Al-ion batteries continues to be its inferior capacity and cycle stability compared with commercially available secondary batteries. Part of these issues can be ascribed to the failure of cathode materials currently being investigated and used. As for primary Al-air batteries, conventional air cathodes do not perform very well either; and there are many reasons as to why the incorporation of such air cathodes into Al-air batteries would lead to inferior performance or premature failure; the most important of which is low catalytic activity. To address a number of these issues, pulsed current electrodeposition was employed to deposit nano-catalysts such nickel, silver, platinum and oxides of manganese on different support materials, including carbon paper and cloth, titania nanotubes, and stainless steel and nickel meshes. The influence of various electrodeposition parameters, including peak current density, duty cycle, type of waveform and pulse frequency, on resulting layers were systematically investigated. In most cases, nanocatalysts about 2-40 nm in diameter were obtained. Various electrochemical tests were utilized to characterize the resulting layers. A simple mathematical model based on progressive nucleation also was developed to predict the influence of the aforementioned electrodeposition parameters on the resulting nano-catalyst layers. The model was further refined by considering all contributing factors towards growth current, including diffusion, ohmic and charge transfer phenomena as well as changing diffusion coefficients, during electrodeposition. According to the model, at high peak deposition current densities and low duty cycles (5% or less), the ramp-down waveform yielded the highest nucleation rates, confirming the experimental findings in which nanoparticles generated with the above waveform produced the smallest average grain size, ranging from 2-10 nanometer in diameter for platinum and silver nanocatalysts on carbon cloths and titania nanotubes, and 10-50 nm in diameter for nickel nanoparticles deposited on stainless steel and nickel meshes and titania nanotubes.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,021
Tête enseignante GPT0,253
Écart entre enseignants0,233 · 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'étudeExpérimental (laboratoire)
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 Abstracts→Même sujetAdvancements in Battery Materials→Travaux en français237 207→