MétaCan
Menu
Retour à la cohorte
Enregistrement W4386866712 · doi:10.1149/ma2023-012631mtgabs

Localized Tortuosity Determination of Li-Ion Battery Electrode Using SECM and SICM

2023· article· en· W4386866712 sur OpenAlexaff
Anjana Raj Raju, Andrew S. Danis, Steen B. Schougaard

Notice bibliographique

RevueECS Meeting Abstracts · 2023
Typearticle
Langueen
DomaineChemistry
ThématiqueElectrochemical Analysis and Applications
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésTortuosityScanning electrochemical microscopyElectrodeElectrolyteIonPorosityAnalytical Chemistry (journal)Materials scienceIonic conductivityElectrochemistryChemistryDiffusionChemical engineeringNanotechnologyComposite materialPhysical chemistryChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Li-ion batteries’ limited power represents a barrier to their application in the domain of renewable energy. To examine the origin of this limitation, the effect of microstructural parameters such as porosity and tortuosity on ionic transport, especially through the electrolyte within the electrode pores needs to be studied. In this work, we tried to determine the local tortuosity in Li4Ti5O12 (LTO) electrodes with various porosities using two scanning probe microscopic techniques: Scanning Ion Conductance Microscopy (SICM) and Scanning Electrochemical Microscopy (SECM). SICM measures the effective ionic conductivity of Li+ ions whereas SECM probes the diffusion of electroactive species like anthracene.1,2 We observed that in both cases, the normalized current increases with porosity as more ions reach the tip through the pores of the electrode. The MacMullin number calculated from SICM and SECM measurements for the LTO electrodes having porosities from 50% to 63% shows that these techniques are complementary. Improved transport through these porous electrodes is indicated by the lower tortuosity values obtained compared to those anticipated by the mass transport models like the Bruggeman relationship. Hence, the tortuosity values determined from these microscopic techniques can be used as a strong tool to improve the modeling of electrolyte transport within electrodes. In turn, this should be highly valuable in the design of batteries with high power density. References: N. A. Payne, J. I. G. Dawkins, S. B. Schougaard and J. Mauzeroll, Anal. Chem., 2019, 91, 15718–15725. Md. S. Hossain, L. I. Stephens, M. Hatami, M. Ghavidel, D. Chhin, J. I. G. Dawkins, L. Savignac, J. Mauzeroll and S. B. Schougaard, ACS Appl. Energy Mater., 2020, 3, 440–446.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,262
Écart entre enseignants0,245 · 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 AbstractsMême sujetElectrochemical Analysis and ApplicationsTravaux en français237 207