MétaCan
Menu
Retour à la cohorte
Enregistrement W4389426511 · doi:10.1149/1945-7111/ad136f

Deconvoluting Slurry Rheology from Binder Performance in Si-Based Anodes

2023· article· en· W4389426511 sur OpenAlexafffund
Hairui Jiang, Congxiao Wei, Sabina Yasmin, M. N. Obrovac

Notice bibliographique

RevueJournal of The Electrochemical Society · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSemiconductor materials and devices
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSlurryRheologyMaterials scienceViscositySolventChemical engineeringElectrodeComposite materialChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A systematic investigation was undertaken on the effect of sodium poly(acrylic acid) (NaPAA) binder molecular weight on silicon monoxide cycling performance. It was found that cycling performance was poor for low molecular weight binder, however this was primarily related to poor slurry rheology. We found that if propylene glycol is used instead of water as a slurry solvent, it can take over the role of viscosity modifier from the binder. When propylene glycol is used as a solvent for slurries with low MW NaPAA binders (e.g. 1.5 k NaPAA), the cycling outperformance of the resulting SiO electrodes outperforms conventionally made SiO electrodes with high molecular weight binder (e.g. 250 k NaPAA). These results show that binder molecular weight only affects the cycling performance of Si-alloy based electrodes because of its role as a slurry viscosity modifier. If propylene glycol is used to increase slurry viscosity, then the molecular weight has little effect.

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 enseignants0,059
Score d'incertitude au seuil0,276

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 Opus0,010
Tête enseignante GPT0,210
Écart entre enseignants0,201 · 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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetSemiconductor materials and devicesTravaux en français237 207