MétaCan
Menu
Retour à la cohorte
Enregistrement W4311258142 · doi:10.1002/celc.202201021

Synthesis of LiNi<sub>0.6</sub>Co<sub>0.2</sub>Mn<sub>0.2</sub>O<sub>2</sub> Using Supercritical Carbon Dioxide as a Cathode Material for Lithium‐Ion Batteries

2022· article· en· W4311258142 sur OpenAlexaff
Hongting Liu, Ka Ho Chan, Monu Malik, Gisele Azimi

Notice bibliographique

RevueChemElectroChem · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSupercritical fluidCoprecipitationLithium (medication)CarbonationElectrochemistryManganeseBattery (electricity)Materials scienceSupercritical carbon dioxideInorganic chemistryLithium-ion batteryTransition metalReagentStoichiometryCathodeCarbon dioxideChemistryElectrodeCatalysisPhysical chemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract A supercritical carbonation method for the preparation of lithium‐ion battery precursor (Ni 0.6 Co 0.2 Mn 0.2 CO 3 ) is proposed. With appropriate selection of reaction temperature, pressure and pH, a desirable stoichiometry of transition metal ratio (6 : 2 : 2) can be achieved. The precursor synthesis time plays a significant role in the battery performance as the transition metal ion distributions become more uniform with increasing reaction time. This results in a more stable layered structure, lower cation mixing level, higher electrochemical reversibility, and lower impedance. The battery made of the precursor prepared under the best synthesis conditions can achieve a discharge capacity of 174.2 mAh g −1 in the first cycle and a capacity retention of 93.0 % after 50 cycles using a current density of 60 mA g −1 . This study proves the feasibility of using supercritical carbon dioxide as the reagent for the coprecipitation of lithium‐ion battery precursor Ni 0.6 Co 0.2 Mn 0.2 CO 3 . Furthermore, this method can possibly be applied to the synthesis of other carbonate‐based materials.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
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 enseignants0,005
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,014
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemElectroChemMême sujetAdvancements in Battery MaterialsTravaux en français237 207