Notice bibliographique
Résumé
The success of rechargeable lithium-ion batteries (LIBs) has brought evident convenience to human society, but state-of-the-art LIBs with a carbon anode are approaching their energy density limits. Li metal is considered the ultimate anode material due to its ultra-high theoretical specific capacity of 3860 mAh g-1, which is more than 10 times higher than lithiated graphite. Nonetheless, Li anode suffers from poor safety and low cycling efficiency due to its high reactivity. Electrolytes that work with Li anode should possess excellent stability against Li metal or form a highly passivating interface. It is also critical to control the amount of Li in the cell, preferably having no excess Li at the anode side.1 In this presentation, next-generation electrolytes that enable such types of high-performance Li metal batteries will be discussed, including advanced liquid electrolytes,2 garnet-type ceramic electrolytes3–5 and hybrid electrolytes.6,7 References C. Zhou, A. J. Samson, M. A. Garakani, and V. Thangadurai, J. Electrochem. Soc., 168, 060532 (2021). C. Zhou et al., Energy Storage Mater., 42, 295–306 (2021) https://doi.org/10.1016/j.ensm.2021.07.043. S. P. Kammampata, R. H. Basappa, T. Ito, H. Yamada, and V. Thangadurai, ACS Appl. Energy Mater., 2, 1765–1773 (2019). S. P. Kammampata, H. Yamada, T. Ito, R. Paul, and V. Thangadurai, J. Mater. Chem. A, 8, 2581–2590 (2020). C. Zhou, A. J. Samson, K. Hofstetter, and V. Thangadurai, Sustain. Energy Fuels, 2, 2165–2170 (2018). S. Bag, C. Zhou, P. J. Kim, V. G. Pol, and V. Thangadurai, Energy Storage Mater., 24, 198–207 (2019) https://doi.org/10.1016/j.ensm.2019.08.019. C. Zhou, S. Bag, T. He, B. Lv, and V. Thangadurai, Appl. Mater. Today, 19, 100585 (2020) https://doi.org/10.1016/j.apmt.2020.100585.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,131 | 0,107 |
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 ».