(Invited) Controlling Void Space in Crumpled Graphene for High Stability Silicon Anodes
Notice bibliographique
Résumé
Silicon anodes are thought to soon replace graphite in next-generation Li-ion batteries due to silicon’s high capacity (3590 mAh/g for the Li15Si4 alloy at room temperature), availability and natural abundance. However, lithiation of silicon causes a large volume expansion (~300%) which can cause pulverization of the primary silicon particles, cracking and delamination of the bulk electrode and the formation of an unstable solid-electrolyte interface which must rebuild upon each cycle. Some combination of these effects leads to rapid anode failure via electrical isolation of active material and/or electrolyte depletion. To mitigate these challenges, clusters of silicon nanoparticles can be wrapped with flexible 2D-materials like graphene which can potentially act as a dimensionally and electrochemically stable, permeable barrier layers. This can be achieved in a scalable way via spray drying of aqueous dispersions of graphene oxide and silicon. In this talk, I will describe recent work from our group which aims to introduce a controlled amount of void space within the graphene protected silicon structures with the aim of engineering zero-strain silicon/carbon anode particles. In the absence of void space control, capillary forces acting during the spray drying process tightly wrap graphene around silicon clusters leaving little room for volume expansion. In one case, void space is introduced via incorporation of sacrificial polystyrene nanoparticles within the core by co-spray drying silicon, polystyrene and graphene oxide. In a second case, we do not use a sacrificial material but, instead, incorporate a responsive, cross-linked hydrogel within the core which can be expanded upon hydration to increase the volume of the graphene shell. When dehydrated, the gel shrinks to generate the required void space and acts as a Li-ion conducting, elastic binder within the core. In both cases, I will describe the systematic evolution of the crumpled graphene microstructure and its impact on anode performance in both half-cells and full Li-ion batteries.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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 ».