MétaCan
Menu
Retour à la cohorte
Enregistrement W4390231765 · doi:10.1002/sus2.177

Lithium sulfide: a promising prelithiation agent for high‐performance lithium‐ion batteries

2023· article· en· W4390231765 sur OpenAlexaff
Junkang Huang, Weifeng Li, Wenli Zhang, Bixia Lin, Yang Wang, Siu Wing Or, Shuhui Sun, Zhenyu Xing

Notice bibliographique

RevueSusMat · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesBasic and Applied Basic Research Foundation of Guangdong ProvinceNational Natural Science Foundation of China
Mots-clésLithium (medication)CathodeEnergy densityElectrolyteMaterials scienceElectronicsComputer scienceNanotechnologyElectrical engineeringEngineering physicsChemistryEngineeringElectrode

Résumé

récupéré en direct d'OpenAlex

Abstract Lithium‐ion batteries are widely used in portable electronics and electric vehicles due to their high energy density, stable cycle life, and low self‐discharge. However, irreversible lithium loss during the formation of the solid electrolyte interface greatly impairs energy density and cyclability. To compensate for the lithium loss, introducing an external lithium source, that is, a prelithiation agent, is an effective strategy to solve the above problems. Compared with other prelithiation strategies, cathode prelithiation is more cost‐effective with simpler operation. Among various cathode prelithiation agents, we first systematically summarize the recent progress of Li 2 S‐based prelithiation agents, and then propose some novel strategies to tackle the current challenges. This review provides a comprehensive understanding of Li 2 S‐based prelithiation agents and new research directions in the future.

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 enseignants0,206
Score d'incertitude au seuil0,836

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 Opus0,019
Tête enseignante GPT0,252
Écart entre enseignants0,233 · 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

Citations40
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSusMatMême sujetAdvancements in Battery MaterialsTravaux en français237 207