MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285398877 · doi:10.1149/ma2022-014527mtgabs

Graphene-Wrapped Silicon Nanoparticles for All-Solid-State Lithium-Ion Batteries

2022· article· en· W4285398877 sur OpenAlexaff
Mariam Gad, Mahmoud N. Almadhoun, Michael A. Pope

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAnodeGrapheneElectrolyteSiliconNanotechnologyElectrodeOptoelectronicsChemistry

Résumé

récupéré en direct d'OpenAlex

Current lithium-ion batteries consist of a graphite anode and a metal oxide cathode. Due to their relatively high energy density and rechargeability, they have enabled various applications over the past few decades. However, significant improvements to battery cost, performance, and safety for applications such as vehicle electrification require a shift to next-generation materials, such as silicon as an anode which offers higher capacity, as well as solid-state electrolytes (SSEs) which are non-flammable. Both of these technologies currently suffer challenges which have prevented their widespread adoption. Silicon suffers low conductivity, and large volume change on each cycle, subsequently causing loss in electrical contact and the formation of an unstable solid electrolyte interface (SEI) each cycle. This project aims to solve these challenges by wrapping silicon nanoparticles and a sacrificial spacing material with crumpled graphene sheets using a scalable, spray drying method, and coupling it with a solid electrolyte. The graphene shell provides electrical contact with the silicon and space for its expansion during lithiation. The solid electrolyte provides a safer alternative to liquid electrolytes, and further reduces the SEI formation which, with a liquid electrolyte, can leak into such crumpled structures. In this work we will present our initial results concerning the engineering of void space within the shell’s core while simultaneously improving its conductivity to maximize the achievable capacity and cycle life. We will explore different spacing material candidates such as chitosan which, upon heat treatment of the sample, would not only provide space for the expansion of silicon, but the residual nitrogen-doped carbon would also act as a conductive filler inside the crumpled structure. We will also present our initial work involving the solid electrolyte synthesis including an investigation of the effect of solvents on the structure of the electrolyte as well as powder mixing and solution infiltration methods to introduce high conductivity SSEs and their performance when coupled to the graphene-wrapped silicon anode structures.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,260
Écart entre enseignants0,241 · 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→