MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386866591 · doi:10.1149/ma2023-012671mtgabs

Uncovering the Mysterious Transformations during Cycling in Li-Ni-Mn-O Cathode Materials

2023· article· en· W4386866591 sur OpenAlexaff
Alex Hebert, Michelle Ting, Ning Chen, David Muir, Eric McCalla

Notice bibliographique

RevueECS Meeting Abstracts · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensCanadian Light Source (Canada)McGill University
Organismes subventionnairesnon disponible
Mots-clésXANESX-ray photoelectron spectroscopyMaterials scienceCathodeExtended X-ray absorption fine structureCobaltTransition metalBattery (electricity)Phase (matter)AnodeMetalAbsorption (acoustics)CyclingAnalytical Chemistry (journal)SpectroscopyAbsorption spectroscopyElectrodeChemical engineeringMetallurgyChemistryPhysical chemistryComposite materialThermodynamicsCatalysis

Résumé

récupéré en direct d'OpenAlex

Layered transition metal oxides, specifically LiNixMnyCozO2, lead the market for Li-ion battery cathode materials. Cobalt is a problematic metal to include in such a high-volume product like Li-ion batteries, as it is expensive, and it is mined using unethical practices. Contemporary electrodes use metal compositions with < 0.33 Co. However, even as the least abundant element in the material, eliminating Co entirely remains an important objective, but is so far necessary as it increases material stability leading to improved cycle life. Thus, research has been active in the Li-Ni-Mn-O system, looking for potential replacements for Co-containing layered oxides. The Li-Ni-Mn-O pseudo ternary system has been investigated in the past decade, revealing some interesting materials. Several compositions (including Li0.568Ni0.073Mn0.359O2 studied here) have been uncovered that show anomalous increasing capacity while cycling over 100 cycles, with some materials reaching 300 % capacity compared to their first cycle.1 It has been hypothesized that this is due to a phase transition occurring in the material, but to date the precise mechanism remains elusive. Other materials (including Li0.586Ni0.071Mn0.343O2 studied here), though very near to these compositions, show relatively stable capacities but dramatic voltage fade.2 In both materials, structural transformations are clearly at play during extended cycling. This work leverages X-ray absorption spectroscopy (XANES/EXAFS) and X-ray photoemission spectroscopy (XPS) to uncover the subtleties in the local environments of Ni and Mn before, during, and after cycling. XANES/XPS reveal to what extent there is a contrast between the oxidation states of the Ni/Mn cations at the surface vs. the bulk of the particles, which has been shown to be important in Ni containing cathodes.3 Interestingly, in both materials, no important changes are seen in the X-ray diffraction patterns, while the pair distribution functions from EXAFS evolve dramatically as shown in the figure here for the Ni environment. Interestingly, the material that shows capacity growth shows a less reversible , while there is no significant difference in the Mn site between the materials before and after charging. Analysis of the final structures shows conversion towards spinel-like structures in both cases, despite the dramatic differences in progression of the capacities, hinting that the spinel-like phases can behave very differently depending on composition. 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,249
Écart entre enseignants0,234 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetAdvancements in Battery Materials→Travaux en français237 207→