MétaCan
Menu
Retour à la cohorte
Enregistrement W4294031753 · doi:10.1002/aenm.202201704

Accelerated Development of High Voltage Li‐Ion Cathodes

2022· article· en· W4294031753 sur OpenAlexafffund
Antranik Jonderian, Shipeng Jia, Gabin Yoon, Victor Cozea, Nooshin Zeinali Galabi, Sang Bok, Eric McCalla

Notice bibliographique

RevueAdvanced Energy Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSamsung Advanced Institute of Technology
Mots-clésMaterials scienceCathodeDopingMolybdenumIonIndiumIonic bondingConductivityCarbon fibersCyclingIonic conductivityElectrodeChemical engineeringNanotechnologyPhysical chemistryOptoelectronicsComposite materialMetallurgyOrganic chemistryComposite number

Résumé

récupéré en direct d'OpenAlex

Abstract High voltage cathodes are attractive for high energy density Li‐ion batteries. However, candidates such as LiCoPO 4 have presented numerous challenges stemming from poor electronic/ionic conductivities such that typical solutions involving nanosizing result in extremely poor cycling performance. Here, high‐throughput methods are applied to develop near‐micron sized carbon‐coated LiCoPO 4 with improved energy density and capacity retention. In total, 1300 materials with 46 different substituents are synthesized and characterized. A number of substituents show greatly improved capacity (e.g., 160 mAh g −1 for 1% indium (In) substitution vs 95 mAh g −1 for the pristine). However, co‐doping is required to improve extended cycling. Li 1–3x Co 1–2x In x Mo x PO 4 is found to be particularly effective with dramatically improved cycling (as high as 100% after 10 cycles, vs ≈50% in unsubstituted). While In improves the electronic conductivity of the carbon‐coated materials, molybdenum (Mo) co‐doping gives larger particles. DFT calculations show that Mo impedes the formation of Li/Co antisite defects.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,109
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0030,000

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 Opus0,015
Tête enseignante GPT0,234
Écart entre enseignants0,219 · 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 tête enseignante, pas un consensus.

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

Citations33
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvancements in Battery MaterialsTravaux en français237 207