High C-Rate Dynamic Lithium (de)Insertion Pathway Investigated via Synchrotron-Based Operando XRD and Operando Scanning x-Ray Microscopy
Notice bibliographique
Résumé
Lithium-ion insertion kinetics fundamentally hinges upon phase transformation behavior during (dis)charging and understanding the rate-dependent kinetics is crucial for the development of high-power batteries. At high c-rates, kinetic hysteresis is amplified and phase evolution becomes heterogeneous and unpredictable. Specifically, discharge becomes more sluggish than charging of most battery electrodes including LiNixMnyCozO2 (NMC) and LiFePO4 (LFP). Here, we developed an operando soft x-ray microscopy to simultaneously observe surface charge transfer and bulk lithium diffusion in facet-controlled individual battery particles over a wide range of cycling rates (0.01 – 10C). Our result unambiguously reveals that dynamic asymmetry between fast charging and discharging originates from auto-inhibitory Li-rich and autocatalytic Li-poor surface domains, respectively. In addition, we developed synchrotron-based operando fast XRD to track phase evolution during fast cycling. We directly observed that sluggish Li diffusion at high Li content induces different phase transformations during charging and discharging, with strong phase separation and homogeneous phase transformation during charging and discharging, respectively. Moreover, by electrochemically manipulating the lithium-ion concentration distribution within NCM particles, phase separation pathway could be redirected to solid-solution kinetics even at 7 C-rate. Our work lays the groundwork for developing high-power applications and ultrafast charging protocols Figure 1
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) | 0,001 | 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 ».