MétaCan
Menu
Retour à la cohorte
Enregistrement W4391814868 · doi:10.20944/preprints202402.0784.v1

A Review of 3-D Printing Batteries

2024· review· en· W4391814868 sur OpenAlexafffund
Maryam Mottaghi, Joshua M. Pearce

Notice bibliographique

RevuePreprints.org · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clés3D printingBusinessEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

To stabilize the Earth’s climate a large-scale transition is needed to non-carbon emitting renewable energy technologies like wind and solar energy. Although these renewable energy sources are now lower-cost than fossil fuels, their inherent intermittency make them unable to supply a constant load without storage. To address these challenges rechargeable electric batteries are currently the most promising option; however, their high capital costs limit current deployment velocities. To both reduce the cost as well as improve performance 3D printing technology has emerged as a promising solution. This literature review provides the state-of-the-art enhancements of battery properties with 3D printing including efficiency, mechanical stability, energy and power density, customizability and sizing, production process efficiency, material conservation and environmental sustainability as well as the progress in solid-state batteries. The principles, advantages, limitations, and recent advancements associated with the most common types of 3D printing are reviewed focusing on their contributions to the battery field. 3D printing batteries offer design flexibility, material flexibility, reduces pack weight, minimizes material waste, increases the range of applications and has the potential to reduce costs. As 3D printing technologies become more accessible, the prospect of cost-effective production for customized batteries is extremely promising.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,736
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,148
Tête enseignante GPT0,365
Écart entre enseignants0,218 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207