MétaCan
Menu
Retour à la cohorte
Enregistrement W4389786962 · doi:10.3389/fenrg.2023.1325316

Back to the future: towards the realization of lithium metal batteries using liquid and solid electrolytes

2023· article· en· W4389786962 sur OpenAlexaff
Hilal Al-Salih, Hafsah Azfar Khan, Elena A. Baranova, Yaser Abu‐Lebdeh

Notice bibliographique

RevueFrontiers in Energy Research · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensNexen (Canada)National Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésLithium metalElectrolyteFast ion conductorPolymer electrolytesNanotechnologyEnergy densityLithium (medication)Materials scienceChemistryIonic conductivityEngineering physicsEngineering

Résumé

récupéré en direct d'OpenAlex

As the specific energy of traditional lithium-ion batteries (LIBs) approaches theoretical limits, the quest for alternatives intensifies. Lithium metal batteries (LMBs) stand out as a potential solution, promising substantially higher energy densities (∼35% increase in specific energy and ∼50% increase in energy density at the cell level). Historically, challenges with liquid electrolytes (LEs) in LMBs, such as dendrite growth and unstable solid electrolyte interphase (SEI) formation, led to skepticism about their compatibility and most of the focus was on solid-state electrolytes (SSEs) such as polymer electrolytes and recently inorganic electrolytes (oxides, sulphides halides). However, recent strides in LE engineering have repositioned LEs as viable candidates for LMBs, particularly with the strategic use of additives and the careful formulating of solvents. This review delves into the engineering of LEs for LMBs, highlighting their renewed potential and explores the realm of SSEs and report on the recent advancements in both fields. We aim to provide a comprehensive overview of the evolving landscape of LMB 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 enseignants0,264
Score d'incertitude au seuil0,222

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,032
Tête enseignante GPT0,297
Écart entre enseignants0,265 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Energy ResearchMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207