Impact of Cobalt Addition on Single-Crystal Li<sub>1+x</sub>(Ni<sub>0.6</sub>Mn<sub>0.4</sub>)<sub>1−x</sub>O<sub>2</sub> Cathode Material Performance
Notice bibliographique
Résumé
Nickel and manganese-based layered oxides with a nickel content ranging from 50% to 80% are promising cathode materials for high-energy density lithium-ion batteries. However, these materials face challenges such as poor rate capability and limited cycling stability. The addition of excess lithium can mitigate these issues to some extent. This study examines the impact of incorporating small amounts of cobalt (5% or 10%) into these materials through an “all-dry” synthesis approach in stoichiometric and excess lithium-containing compositions. Results indicate that adding even these small amounts of cobalt decreases the cation mixing, improves crystallinity, reduces electronic resistance, and influences the morphology depending on whether nickel or manganese is replaced. The materials can accommodate up to 15% excess lithium without significant surface impurities. The addition of cobalt further enhances the rate capability of the material in excess lithium materials, but increasing cobalt content tends to compromise cycling stability when the materials are cycled up to 4.4 V. Materials in which 5% cobalt replaces nickel still exhibit superior rate capability and cycling performance compared to materials without cobalt. Therefore, incorporating small amounts of cobalt can positively impact the performance of Li1+x(Ni0.6Mn0.4)1−xO2 materials, offering a balance between improved rate capability and cycling stability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».