Atomic Layer Deposition ZnO-Enhanced Negative Electrode for Lithium-Ion Battery: Understanding of Conversion/Alloying Reaction via 7Li Solid State NMR Spectroscopy
Notice bibliographique
Résumé
Understanding the mechanism for capacity delivery in conversion/alloying materials (CAM) electrodes, such as ZnO, in lithium-ion batteries (LIBs) requires careful investigation of the electrochemical reactions. Here, we used magic angle spinning (MAS at 60 kHz) 7Li nuclear magnetic resonance (NMR) as a sensitive analytical means to probe the reactions occurring between electrode materials and Li+ ions. The ZnO nanolayer generated on carbon substrate by atomic layer deposition (ALD) enhanced the cyclic capacity of half cell LIB up to 40%. 7Li NMR revealed LixZn alloy formation through an irreversible conversion reaction during discharge. MAS results revealed the dealloying of LixZn at the full charge step which left atomic zinc nanograins that do not undergo the re-oxidation of zinc atoms according to the cyclic voltammetry. An in situ formation of elemental zinc at the initial cycles facilitates uniform lithium deposition on subsequent cycles due to the reduced energy barrier for lithium nucleation on pure zinc as compared to ZnO. X-ray diffraction analysis indicated the crystalline formation of the LixZn alloy while scanning electron microscope showed the uniform morphology for the lithiated discharge products. Cyclic voltammetry and differential capacity functions initially predicted the conversion and alloying reactions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».