MétaCan
Menu
Retour à la cohorte
Enregistrement W4311082506 · doi:10.1002/aenm.202270189

Aging‐Driven Composition and Distribution Changes of Electrolyte and Graphite Anode in 18650‐Type Li‐Ion Batteries (Adv. Energy Mater. 45/2022)

2022· article· en· W4311082506 sur OpenAlexaff
Dominik Petz, Volodymyr Baran, Christoph Peschel, Martin Winter, Sascha Nowak, M. Hofmann, Robert Kostecki, Rainer Niewa, Michael Bauer, Peter Müller‐Buschbaum, Anatoliy Senyshyn

Notice bibliographique

RevueAdvanced Energy Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésElectrolyteMaterials scienceLithium (medication)AnodeBattery (electricity)DecompositionChemical engineeringLithium-ion batteryDegradation (telecommunications)Internal resistanceIonDifferential scanning calorimetryGraphiteCalorimeter (particle physics)Composite materialOrganic chemistryChemistryThermodynamicsElectrodeElectrical engineeringPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Lithium-Ion Batteries In article number 2201652, Anatoliy Senyshyn and co-workers investigate the degradation mechanisms of real life 18650-type lithium-ion batteries using a combination of neutron diffraction, calorimetry, infrared measurements, and chemical analytics of battery electrolytes. In addition to the increase of internal cell resistance, loss of movable lithium and “drying out” of the cell, they reveal decomposition of conducting salts to be the main driving factor in the electrolyte degradation.

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)
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 enseignants0,011
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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207