MétaCan
Menu
Retour à la cohorte
Enregistrement W4307972617 · doi:10.1002/smll.202205233

Advanced Material Engineering to Tailor Nucleation and Growth towards Uniform Deposition for Anode‐Less Lithium Metal Batteries

2022· review· en· W4307972617 sur OpenAlexafffund
Lanting Qian, Yun Zheng, Tyler Or, Hey Woong Park, Rui Gao, Moon Park, Qianyi Ma, Dan Luo, Aiping Yu, Zhongwei Chen

Notice bibliographique

RevueSmall · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Waterloo
Mots-clésNucleationAnodePlating (geology)Materials scienceFaraday efficiencyLithium (medication)NanotechnologyLithium metalDendrite (mathematics)ElectrolyteChemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Anode-less lithium metal batteries (ALMBs), whether employing liquid or solid electrolytes, have significant advantages such as lowered costs and increased energy density over lithium metal batteries (LMBs). Among many issues, dendrite growth and non-uniform plating which results in poor coulombic efficiency are the key issues that viciously decrease the longevity of the ALMBs. As a result, lowering the nucleation barrier and facilitating lithium growth towards uniform plating is even more critical in ALMBs. While extensive reviews have focused to describe strategies to achieve high performance in LMBs and ALMBs, this review focuses on strategies designed to directly facilitate nucleation and growth of dendrite-free ALMBs. The review begins with a discussion of the primary components of ALMBs, followed by a brief theoretical analysis of the nucleation and growth mechanism for ALMBs. The review then emphasizes key examples for each strategy in order to highlight the mechanisms and rationale that facilitate lithium plating. By comparing the structure and mechanisms of key materials, the review discusses their benefits and drawbacks. Finally, major trends and key findings are summarized, as well as an outlook on the scientific and economic gaps in ALMBs.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,033
Tête enseignante GPT0,261
Écart entre enseignants0,228 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetAdvancements in Battery MaterialsTravaux en français237 207