Impact of functional groups on lithium salt dispersion and mobility in polymer electrolytes
Notice bibliographique
Résumé
Abstract Solid Polymer electrolytes are versatile, highly processible and electrochemically compatible with solid electrode materials. The versatility of these materials is a result of the existence of many possible conductive polymer‐salt, polymer‐polymer and salt‐salt combinations. Despite the wide array of available lithium salts, most polymer electrolyte materials are made using lithium bis(trifluoromethanesulfonyl)imide (LiTFSI) due to its long history of achieving relatively high ionic conductivities in polymer electrolyte systems with the most famous being poly(ethylene oxide) (PEO). It is however possible that better ionic conductivities can be achieved with different salts and/or in polymer matrices containing different functional groups. This is because ionic conductivity in polymer electrolytes is partially based on the ability of the polymer matrix to dissolve and bond to the salt. These interactions impact local‐scale ion mobility which can be measured via NMR spectroscopy using pulsed field gradient experiments. In this work, polymer electrolytes are prepared using PEO, hydrogenated nitrile butadiene rubber and poly(propylene) carbonate. Ion mobility, lithium conductivity and salt‐polymer interactions are investigated to compare interactions between LiTFSI and lithium cyano(trifluorosulfonyl)imide in polymers with common salt‐dissociating functional groups such as ethyl, nitrile and carbonate to determine the impact of these interactions on ionic conductivity.
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 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 | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».