An Industrial Perspective and Intellectual Property Landscape on Solid-State Battery Technology with a Focus on Solid-State Electrolyte Chemistries
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
This review focuses on the promising technology of solid-state batteries (SSBs) that utilize lithium metal and solid electrolytes. SSBs offer significant advantages in terms of high energy density and enhanced safety. This review categorizes solid electrolytes into four classes: polymer, oxide, hybrid, and sulfide solid electrolytes. Each class has its own unique characteristics and benefits. By exploring these different classes, this review aims to shed light on the diversity of materials and their contributions to the advancement of SSB technology. In order to gain insights into the latest technological developments and identify potential avenues for accelerating the progress of SSBs, this review examines the intellectual property landscape related to solid electrolytes. Thus, this review focuses on the recent SSB technology patent filed by the main companies in this area, chosen based on their contribution and influence in the field of batteries. The analysis of the patent application was performed through the Espacenet database. The number of patents related to SSBs from Toyota, Samsung, and LG is very important; they represent more than 3400 patents, the equivalent of 2/3 of the world’s patent production in the field of SSBs. In addition to focusing on these three famous companies, we also focused on 15 other companies by analyzing a hundred patents. The objective of this review is to provide a comprehensive overview of the strategies employed by various companies in the field of solid-state battery technologies, bridging the gap between applied and academic research. Some of the technologies presented in this review have already been commercialized and, certainly, an acceleration in SSB industrialization will be seen in the years to come.
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 | 0,000 |
| 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 | 0,001 |
| 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