Towards 3D quantitative imaging in FIB-SEM for applications in battery materials
Notice bibliographique
Résumé
Background incl.aims The development of more efficient and safer battery materials stems from the commitment to green energy initiatives.To fully understand the failure mechanisms of newly developed battery materials at the micrometer level and below, scanning electron microscopy is a technique of choice.Focused ion beam (FIB) combined with SEM broadens the characterization capabilities of electron microscopy by revealing sub-surface microstructure and phase distributions.The technique permits quantitative analyses from the reconstruction of volumes from collected 2D SEM datasets.Moreover, the collection of Energy-dispersive Xray spectroscopy (EDS) and Electron Backscatter Diffraction (EBSD) maps from the generated x-rays and EBS patterns can help explain further the chemical and structural stability of the materials in 3D.Degradation over time during cycling can originate from alterations of the microstructure of particles, such as the apparition of cracks due to volume expansion, changes in grain morphology or activity at grain boundaries.This work aims to obtain quantitative information on the distributions of the different phases of lithium-based cathodes from field-emission (FE)-SEM datasets of 2D images, including porosity.Porosity is a critical parameter in battery design, since it directly affects electronic and ionic diffusion processes [1,2] and therefore battery performance.An interest will be given towards the changes in the phase distributions as a result of cycling, therefore pristine (uncycled) and cycled specimens will be compared including EDS and EBSD data.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».