Unraveling chemical origins of dendrite formation in zinc-ion batteries via in situ/operando X-ray spectroscopy and imaging
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
To prevent zinc (Zn) dendrite formation and improve electrochemical stability, it is essential to understand Zn dendrite growth, particularly in terms of morphology and relation with the solid electrolyte interface (SEI) film. In this study, we employ in-situ scanning transmission X-ray microscopy (STXM) and spectro-ptychography to monitor the morphology evolution of Zn dendrites and to identify their chemical composition and distribution on the Zn surface during the stripping/plating progress. Our findings reveal that in 50 mM ZnSO4, the initiation of moss/whisker dendrites is chemically controlled, while their continued growth over extended cycles is kinetically governed. The presence of a dense and stable SEI film is critical for inhibiting the formation and growth of Zn dendrites. By adding 50 mM lithium chloride (LiCl) as an electrolyte additive, we successfully construct a dense and stable SEI film composed of Li2S2O7 and Li2CO3, which significantly improves cycling performance. Moreover, the symmetric cell achieves a prolonged cycle life of up to 3900 h with the incorporation of 5% 12-crown-4 additives. This work offers a strategy for in-situ observation and analysis of Zn dendrite formation mechanisms and provides an effective approach for designing high-performance Zn-ion batteries. Understanding the evolution of Zn dendrites during cycling is crucial for development of Zn batteries. Here, authors employ in situ scanning transmission X-ray microscopy to identify the chemical origins of Zn dendrite formation and propose an electrolyte additive strategy to prolong cycle life.
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 | 0,000 | 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 | 0,001 |
| 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