Lessons Learned from Long-Term Cycling Experiments with Pouch Cells with Li-Rich and Mn-Rich Positive Electrode Materials
Notice bibliographique
Résumé
In this work, the performance of commercial (250–300 mAh) Li1.11Ni0.34Mn0.53Al0.02O2/graphite (LNMA) and Li1.167Ni0.183Mn0.558Co0.092O2/graphite (LNMC) pouch cells was evaluated using different cycling drive profiles, temperatures, formation voltages, cycling upper and lower cut-off voltages. A variety of electrolyte additives and additive combinations were tested in the LNMA cells. The best performing electrolyte in high voltage LNMA cells (4.6 V upper cut-off) was Control + 2% fluoroethylene carbonate (FEC) + 1% lithium difluorophosphate (LFO) + 1% lithium difluoro(oxalato)borate (LiDFOB) with 87% capacity retention after 720 cycles. LNMA cells cycled to 4.25 V and LNMC cells cycled to 4.44 V at 40 °C were able to cycle for 1000 cycles before reaching 80% capacity. These materials can have surprisingly good high-voltage performance, but we stress that a fundamental breakthrough that can eliminate the voltage fade that is ubiquitous in Li-rich and Mn-rich materials is necessary to make Li-rich materials competitive with existing cell chemistries. We demonstrate that the high specific capacity of Li-rich materials can be deceptive when making conclusions about the energy density of Li-rich/graphite full cells. Hopefully, these results can set a baseline for other researchers in the Li-rich space.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».