MétaCan
Menu
Retour à la cohorte
Enregistrement W4387455781 · doi:10.1051/epjconf/202328604005

Dynamics of polymer electrolyte with LiTFSI via Quasi-Elastic Neutron Scattering

2023· article· en· W4387455781 sur OpenAlexaff
Hui Wang, Naresh C. Osti, Jürgen Allgaier, Marcella C. Berg, René Halver, Eugene Mamontov, Godehard Sutmann, Yuya Doi, Nicolas Bucher, T. Egami, Stephan Förster, Michael Ohl

Notice bibliographique

RevueEPJ Web of Conferences · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésElectrolytePolymerNeutron scatteringMaterials sciencePolymer electrolytesEthylene oxideLithium (medication)Battery (electricity)Flexibility (engineering)Chemical engineeringChemical physicsNeutronChemistryComposite materialPhysicsIonic conductivityNuclear physicsThermodynamicsPhysical chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Most lithium batteries offer a wide range of applications. However, safety issues are still an unresolved issue for several applications. To solve the safety issue of Li-ion batteries, solid polymer electrolyte is a promising candidate to replace commercial liquid electrolyte. A 4-arm star poly(ethylene oxide) polymer with LiTFSI salt as an electrolyte was studied. The dynamics of this polymer were explored with the Quasi-Elastic Neutron Scattering technique. Furthermore, the influence of temperature and Li salt concentration on the polymer dynamics was investigated. The dynamics of the polymer ends of the arm show much higher flexibility than the core parts making those types of polymers attractive for further studies in battery research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,057
Score d'incertitude au seuil0,448

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,200 · 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 tête enseignante, 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEPJ Web of ConferencesMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207