Effects of Lithium Metal Storage Environment on Its Reactivity toward Polyethylene Oxide-Based Blend Electrolytes
Notice bibliographique
Résumé
Lithium metal has generated significant interest as an anode material because of its high theoretical capacity. However, issues such as dendrite growth and lithium loss during cycling make this material incompatible with liquid electrolytes. Solid polymer electrolytes (SPE) have been proposed as replacements as they are non-flammable, resist dendrite growth, have decent ionic conductivity, and have low resistance with lithium metal. Passivation layers, which form on the lithium metal surface and are hence intrinsic to its chemical composition, are often overlooked. Residual quantities of atmospheric gases are present in lithium metal storage environments, making surface modification and its subsequent impact on anode reactivity inevitable. Moreover, the impact of this phenomenon in a realistic lithium metal anode (LMA) environment with SPE has not yet been extensively investigated. In this study, the impact of gas exposure on an LMA was investigated by exposing freshly cut lithium rods to O 2, CO 2, and N 2 . Passivation layers were characterized via X-ray photoelectron spectroscopy. The effect of passivation layer formation on LMA reactivity toward SPE was measured by exposing passivated samples to common SPE materials. The resultant interface was characterized using Raman spectroscopy. SPE-passivation layer reactivity was correlated to ageing by electrochemical impedance spectroscopy and kinetic charge transfer via galvanostatic linear polarization at the LMA–SPE interface in symmetric Li─SPE─Li stacks. This study revealed that the chemical composition of the passivation layer affects LMA reactivity toward SPE and electrochemical performance. A thorough characterization of the lithium metal passivation layer is essential to understanding the fundamental factors affecting solid-state lithium metal battery performance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 tête enseignante, 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 ».