MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391663016 · doi:10.1149/ma2023-022396mtgabs

The Effects of Small Amounts of Cobalt in LiNi<sub>1-X</sub>Co<sub>x</sub>O<sub>2</sub> on Lithium Diffusion

2023· article· en· W4391663016 sur OpenAlexaff
Eniko Zsoldos, Marc M. E. Cormier, Mitchell Ball, Divya Rathore, J. R. Dahn

Notice bibliographique

RevueECS Meeting Abstracts · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCobaltLithium (medication)DiffusionMaterials scienceCrystallographyAnalytical Chemistry (journal)ChemistryMetallurgyThermodynamicsPhysicsEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

Lithium-ion batteries with Co-free Ni-rich cathodes have attracted interest due to lower cost and supply chain issues compared to cobalt-containing cathodes1. However, cobalt is thought to provide some benefits in cycling stability and rate performance. In this work, cobalt substitution for nickel in the positive electrode material LiNi1-xCoxO2 at 0 ≤ x ≤ 0.10 is systematically investigated to determine the impact of Co and material synthesis conditions on Li diffusivity, measured using the Atlung Method for Intercalant Diffusion (AMID)2,3 in coin cells vs Li metal negative electrodes. Cobalt was found to have no impact on Li diffusivity in the intermediate voltage range (4.2 V to 3.7 V), while cation mixing (%Ni in Li layer) was found to have a strong correlation to slow Li diffusivity. At high voltage (4.3 V to 4.2 V), 0 to 10% cobalt incrementally suppresses the H2-H3 phase transition4,5 enabling significantly faster lithium diffusion. Cation mixing can be minimized through synthesis conditions, improving Li diffusivity for the low and intermediate voltage regions, without using Co. In summary, with optimal positive electrode material synthesis conditions and limiting cell upper cutoff voltage to 4.2 V, Co-free Ni-rich materials can be made with similar rate performance as 10% Cobalt-containing materials. Additionally, cobalt was found to have minimal impact on the following material properties: crystallinity of LiNi1-xCoxO2, surface impurities, particle size, and electronic conductivity. Cobalt substituted for nickel from 0% to 10% was found to decrease first cycle discharge capacity in the voltage range between 3.0 V and 4.3 V and improve capacity retention in coin cell cycling vs Li metal negative electrodes. The capacity retention improvement is most likely due to the suppression of the H2-H3 phase transition as Co is added5. Figure 1. (a), (b) shows %Ni in Li layer vs Cobalt content, obtained from powder XRD Rietveld refinement from a series of LiNi1-xCoxO2 materials. (a), (b) were synthesized under two different O2 flow velocities, both at 700oC for 20 hours, with a Li:TM ratio of 1.02:1. (c), (d) Show the lithium chemical diffusion coefficient vs cell voltage for the materials from (a), (b), respectively, measured using the Atlung Method for Intercalant Diffusion (AMID), in coin cells at 30oC. The protocol consists of 2C to C/160-rate discharge steps per voltage interval (0.1V), with OCV relaxation in between discharge steps. Figure 1

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,234
Écart entre enseignants0,223 · 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 Abstracts→Même sujetAdvancements in Battery Materials→Travaux en français237 207→