Combinatorial Investigation of the Impact of Systematic Al Substitution into LiNi<sub>1–<i>x</i>–<i>y</i></sub>Mn<sub><i>x</i></sub>Co<sub><i>y</i></sub>O<sub>2</sub> Materials
Notice bibliographique
Résumé
State-of-the-art Li-ion batteries in long-range electric vehicles increasingly rely on LiNi 1– x – y Mn x Co y O 2 (NMC) cathodes with a trend toward higher Ni content. While high-Ni compositions can increase capacity, they also decrease the material’s stability and therefore battery lifetime. Though aluminum has been substituted into a few NMC compositions, to date, no systematic study has been performed. In this study, the impact of different levels of Al substitution was explored across the full range of NMC compositions by preparing a total of 320 materials with varying aluminum content from 0 to 15%. Both X-ray diffraction (XRD) and cyclic voltammetry were performed on all samples. The single-phase layered oxide region is quite large when no Al is present and decreases slightly in size as aluminum content increases. The nickel-rich region (1 – x – y > 0.8) was entirely single phase for 0 and 5% Al levels, while at higher Al content small amounts of Li–Al–O phases were found as contaminants detrimental to the electrochemistry, indicating an optimal Al level in high-Ni materials. Key battery metrics including discharge capacity, average voltage, and diffusion coefficients were obtained for all materials and correlated to structural changes seen in the XRD. It was found that Al suppressed the detrimental hexagonal phase transitions at high voltage (∼4.3 V) in Ni-rich compositions. Increased Al content also improved the diffusion coefficients in the Ni-rich materials. Overall, this study provides the first generalized view of the effects of Al substitution on NMC cathode materials. This work can serve as a base for further exploration into Al substitution on less-studied NMC compositions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».