MétaCan
Menu
Retour à la cohorte
Enregistrement W4285497053 · doi:10.1149/ma2022-012261mtgabs

Current-Corrected Cycling for True Electrode Performance Measurement

2022· article· en· W4285497053 sur OpenAlexaff
Zilai Yan, Ben Scott, Stephen D. Glazier, M. N. Obrovac

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCyclingElectrodePolarization (electrochemistry)Materials scienceAnalytical Chemistry (journal)Environmental scienceChemistryEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

In battery research, galvanostatic cycling is the most widely used method to evaluate electrode performance.1 By applying pre-set current throughout the test, this method often fails to accurately reflect electrode performance at the designed cycling rate (particularly for high-rate cycling) because the actual capacity can be considerably affected by polarization and electrode degradation.2 To address this issue, a current-corrected galvanostatic cycling (CCGC) method is proposed, in which the current is actively adjusted during cycling based on the measured capacity of previous cycles.3 Compared to the traditional galvanostatic cycling (TGC) method, which may result in cycling rates that are hundreds of times faster than the designed rate, the proposed cycling strategy can effectively measure rate-dependent electrode performance precisely at designated rates. As shown in Figure 1, graphite electrodes were cycled in half cells at different rates ranging from C/20 to 5C using TGC and CCGC methods. For TGC, the capacity decreases quickly at rates higher than C/5 and becomes negligeable when the rate is ≥ 2C. This is because the actual cycling rates are much higher than the designed rates when the capacity becomes lower due to polarization, as shown in Figure 1(b). For instance, at a designed 5C rate, the observed actual cycling rate for TGC is 1200 C – 3600 C, about 500 times higher than the designed rate. In addition to the low capacities at high rates, at C/2 the capacity is not stable, due to the increasing overpotential, which causes staging plateaus to be truncated by the lower potential cutoff. References J. Liu et al., Nat. Energy, 4, 180–186 (2019). C. Heubner, M. Schneider, and A. Michaelis, Adv. Energy Mater., 10, 1902523 (2020). Z. Yan, B. Scott, S. L. Glazier, and M. N. Obrovac, Batter. Supercaps (2021) doi: 10.1002/batt.202100345. Figure 1 (a) Lithiation capacity and (b) the actual cycling rate of graphite electrodes cycled at different rates using CCGC and TGC. Reproduced with permission from ref 3. Copyright 2021 Wiley-VCH GmbH. Figure 1

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0030,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,248
Écart entre enseignants0,222 · 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 AbstractsMême sujetAdvancements in Battery MaterialsTravaux en français237 207