Study of lithium transport in Li2O component of the solid electrolyte interphase in lithium-ion batteries
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
In lithium-ion batteries (LIBs), as a promising energy storage device, materials with fast lithium (Li) transport are required for high-power applications such as electric vehicles. Thus, a deeper understanding of Li transport in components of LIBs is crucial for improving their rate capability. In this study, the Li transport in lithium oxide (Li2O), as one of the key components of the solid electrolyte interphase (SEI) layer, was examined by a multiscale computational approach ranging from density functional theory (DFT) to Monte Carlo simulations. The DFT calculations were used to investigate the recombination of Frenkel pairs, their first-principles total energies, and the Li diffusion mechanisms. The effect of atomic configurations on both first-principles total energies and diffusion barrier energies was formulated by periodic and local cluster expansions. These formalisms were then incorporated into the Monte Carlo and Kinetic Monte Carlo (KMC) simulations to calculate the diffusion coefficient of Li. Our calculations revealed that the vacancy-mediated jump along the 〈100〉 direction in the antifluorite structure of Li2O possesses the lowest barrier energy compared to other diffusion mechanisms. The KMC simulations indicated that the diffusion coefficient of Li better converged with the direct experimental measurement when the recombination of Frenkel pairs was integrated into the simulations. At a temperature of 300 K, the KMC simulation yielded a Li diffusion coefficient of 3.8×10-12cm2/s in Li2O. This is only one order of magnitude larger than indirect experimental measurement, suggesting the accuracy of our formalism. Thus, our formalism for studying Li transport in Li2O will pave the path to a rational design of inorganic SEI in the future development of LIBs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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