MétaCan
Menu
Retour à la cohorte
Enregistrement W4391638156 · doi:10.1149/ma2023-02602908mtgabs

(Invited) Composite Electrodes – the Challenge of Characterizing Ionic Transport on the Liquid Side of the Solid-Liquid Interface

2023· article· en· W4391638156 sur OpenAlexaff
Steen B. Schougaard

Notice bibliographique

RevueECS Meeting Abstracts · 2023
Typearticle
Langueen
DomaineChemistry
ThématiqueElectrochemical Analysis and Applications
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésIonic liquidComposite numberInterface (matter)ElectrodeMaterials scienceIonic bondingChemistryChemical engineeringComposite materialIonEngineeringOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Composite electrodes are at the hart of modern batteries, since they overcome critical limitations of the solid active materials including volume changes as well as poor electronic and ionic conduction. Due to the very nature of the composite electrodes the solid-liquid interface of electron transfer reaction become buried within the bulk. Moreover, the bulk of the electrode has a complex internal structure, which is exceeding difficult to characterize using even advanced electron and X-ray techniques. This is in part due the nanometric size of the carbon black used to improve electron transport. In this talk, we will present some of our latest development based on scanning electrochemical microscopy and synchrotron radiation to characterize the electrolyte side of the composite electrode. Specifically, we will present data to suggest that the canonical electrolyte transport can be determined in a single sided measurement, greatly simplifying analysis in quality control and providing experimental data for this critical parameter in battery modeling. Moreover, we will present operando measurements of the electrolyte concentration gradient within the composite electrode. This matrix is particularly changeling due to its paramagnetic, conducting and opaque nature. The talk will conclude with an outlook on opportunities and challenges related to these techniques.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,015

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 Opus0,017
Tête enseignante GPT0,255
Écart entre enseignants0,238 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetElectrochemical Analysis and ApplicationsTravaux en français237 207