MétaCan
Menu
Retour à la cohorte
Enregistrement W4389239346 · doi:10.1002/smtd.202301084

Operando X‐Ray Diffraction Boosting Understanding of Graphite Phase Evolution in Lithium‐Ion Batteries

2023· article· en· W4389239346 sur OpenAlexfundno aff
Jinkun Wang, Yun Gao, Jianhong Liu, Hongying Liao, Li Wang, Xiangming He

Notice bibliographique

RevueSmall Methods · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensnon disponible
Organismes subventionnairesTsinghua National Laboratory for Information Science and TechnologyMinistry of Science and Technology of the People's Republic of ChinaCanada Excellence Research Chairs, Government of CanadaNational Natural Science Foundation of China
Mots-clésMaterials scienceDiffractometerElectrodeAnodeLithium (medication)GraphiteDiffractionLithium-ion batteryBattery (electricity)Phase (matter)IonAnalytical Chemistry (journal)Chemical engineeringComposite materialChemistryThermodynamicsScanning electron microscopeChromatographyPhysicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

diffusion kinetics. The phase evolution and intrinsic properties of an electrode material under different C-rates can be investigated by applying operando X-ray diffraction (XRD). In this study, a transmission X-ray diffractometer is used in operando monitoring the behaviors of NCM811/Graphite pouch cells during charging/discharging at low rate (0.1C) and high rate (2.5C), especially the structure changes, phase evolution, and relaxation of graphite anode. The variations in XRD patterns, as well as and the inconsistency between the state of charge (SOC) of full cells and the SOC of electrodes, are explained based on genetic algorithm and shrinking annuli model. Furthermore, from the perspectives of monitoring and identification of electrode state, structural design of materials and electrodes, and optimization of charging/discharging protocols, practical suggestions for understanding the state and improving the performance of electrodes are proposed.

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 seuil0,002

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 Opus0,088
Tête enseignante GPT0,368
Écart entre enseignants0,281 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmall MethodsMême sujetAdvancements in Battery MaterialsTravaux en français237 207