Modulating Grain Boundary Networks to Achieve Superior Chemomechanical Coupling Properties in Nickel-Rich Cathode Materials
Notice bibliographique
Résumé
To forge ahead with the next generation of power batteries boasting superior energy density, nickel-rich layered oxides are regarded as some of the most promising cathode materials. However, challenges such as microcracks, which are attributed to the elevated nickel content of the materials, have posed impediments to their further development and application. Consequently, this article focuses on the understanding of the materials in the deep delithiation state, dissecting their degradation mechanisms through a dual lens of electrochemical and mechanical properties. The comprehensive analysis reveals that microcracks within the particles exhibit a degree of reversibility. However, with repeated Li + de-/intercalation, these microcracks progressively propagate and permeate the entire particle, ultimately leading to particle fragmentation. Therefore, this study employs Dy 2 O 3 as an inducer to facilitate the growth of primary crystal grains, reducing the internal porosity of the particles. This effectively enhances the conductivity and lithium-ion diffusion kinetics in deep lithium-ion deintercalation states of nickel-rich cathode materials. The modified material exhibits significant suppression of microcrack formation and growth during cycling, leading to notable improvements in its chemical-mechanical properties. These degradation mechanisms and modification strategies of Ni-rich cathodes offer valuable insights into the development of Ni-rich cathode materials tailored for electric vehicles.
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 | 0,000 | 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) | 0,001 | 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 ».