MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285497207 · doi:10.1149/ma2022-012358mtgabs

Effect of Post-Grinding and Heat Treatment on the Electrochemical Performance of NMC622 Li-Ion Battery Cathode Materials

2022· article· en· W4285497207 sur OpenAlexaff
Mohammad H. Tahmasebi, M. N. Obrovac

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCathodeMaterials scienceElectrochemistryGrindingParticle sizeChemical engineeringLithium-ion batteryBattery (electricity)IonNanotechnologyComposite materialElectrodeChemistryThermodynamicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Given the increasing demands for high energy density lithium-ion batteries (LIBs), all cell components, particularly cathode materials, will need significant improvement in the future. Among the possible cathode materials for LIBs, NMC-based materials (LiNixMnyCozO2) have been receiving more attention due to their high energy density and low price. However, NMC-based cathode materials still suffer from degradation and capacity fading due to polarization and structural change over charge-discharge cycling which may be associated with, for example, cation mixing and particle morphology. Among these, the particle size of NMC-base cathodes plays an important role in degradation mechanism during long-term electrochemical cycling [1,2]. The present study comprehensively highlights the effect of post-grinding methods and re-heating on electrochemical performance of Li-NMC622 cathode materials. For this purpose, NMC622 samples were synthesized using commercial precursors and different grinding methods were employed to break up the agglomerated secondary particles into smaller sizes. Accordingly, the microstructural, morphological, and electrochemical evolution of unground and ground samples were studied. Microscopy observations, along with electrochemical data, suggest that marked performance improvements can be achieved by controlling the particle size of NMC622 through post-grinding and heat treatment. References B. Huang et al., Solid State Ionics, 345, 115200 (2020). A. Liu et al., J. Electrochem. Soc., 168, 050506 (2021).

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 enseignants0,001
Score d'incertitude au seuil0,004

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 savante0,0000,000
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 Opus0,009
Tête enseignante GPT0,230
Écart entre enseignants0,221 · 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→