A new method to recycle Li-ion batteries with laser materials processing technology
Notice bibliographique
Résumé
Efficient and cost-effective recycling of spent lithium-ion batteries is essential for the sustainable growth of the clean energy sector, conserves critical mineral resources, and contribute to environmental sustainability. The pyrometallurgy process, involving high-temperature smelting and solid-state reduction, plays a key role in the industrial-scale recycling of these batteries. Traditional smelting methods, however, face criticism for their substantial energy requirements and the loss of lithium in slag. In this study, an innovative laser-based in-situ pyrometallurgical process was developed to recycle Li-ion batterie materials without using slag, enabling the simultaneous recovery of Co, Ni, Mn, and Li. Lab-scale experiments were carried out to investigate the influences of laser power density and duration on the carbothermic reduction behavior of battery materials. The results showed that the maximum temperature reached approximately 1850°C with a laser power between 1500 and 2000 W focused to an area of 20 mm in diameter within a few seconds. The laser recycling facilitates concurrent smelting and solid-state reduction, with carbothermic reduction completed in just 30 seconds due to rapid reaction kinetics, ultra-high temperatures, and the enhanced contact area resulting from surface tension-driven molten material flow under intense laser beam exposure. This laser recycling process reduced LiCoO2 and LiNi0.33Mn0.33Co0.33O2 to metallic Co or Co-Ni-Mn alloy, respectively, while Li was recovered as Li2CO3. The new process allowed for the near-total recovery of Co, Ni, and Mn in the alloy and virtually 100% Li recovery in the form of Li2CO3 by a vapor phase capture system. Additionally, continuous laser recycling in the battery material powder bed showed potentials to scale up for industry battery recycling. A mechanism for the laser recycling process was proposed. A preliminary discussion on the techno-economic implications of laser recycling was also provided.
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 | 0,001 |
| 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 ».