Charting the electric vehicle battery reuse and recycling network in North America
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As electric vehicle (EV) sales grow across the world, a common question arises: "what happens to the batteries?" Using expert elicitation, this study identifies the current pathways for retired EV batteries in the United States and Canada and anticipates how the network might evolve in the future. The majority of end-of-life (EOL) EVs are currently managed within the manufacturer and dealership network, but more will enter the independent afterlife market as growing volumes reach EOL out-of-warranty. The interviews indicate that safety, transportation, and accessible information about battery composition and remaining capacity are critical issues across sectors. Participants demonstrated a strong commitment to creating a closed-loop value chain, motivating novel partnerships between recyclers and producers. At the same time, the value of EOL batteries as a material supply source may create competition between recycling and repurposing in the short term. State and federal governments are implementing policies to facilitate access to information and incentivize domestic manufacturing, but compared to other countries, the US lacks a mechanism to ensure that batteries will be collected and recycled. In addition, there is no national tracking system that would provide more robust data on LIB management. Multiple participants noted that the network handles the majority of EOL batteries without significant policy intervention. However, at present, the system depends the economics of reuse and recycling when accounting for the cost of collection and processing, which creates a risk of stranded batteries and/or wasted materials for packs that are lower-value or difficult to access.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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) | 0,000 | 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 découle