Mechanisms of Thermal Decomposition in Spent NCM Lithium-Ion Battery Cathode Materials with Carbon Defects and Oxygen Vacancies
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
Resource recovery from retired electric vehicle lithium-ion batteries (LIBs) is a key to sustainable supply of technology-critical metals. However, the mainstream pyrometallurgical recycling approach requires high temperature and high energy consumption. Our study proposes a novel mechanochemical processing combined with hydrogen (H 2 ) reduction strategy to accelerate the breakdown of ternary nickel cobalt manganese oxide (NCM) cathode materials at a significantly lower temperature (450 °C). Particle refinement, material amorphization, and internal energy storage are considered critical success factors for the accelerated decomposition of NCM cathode materials. In our proposed approach, NCM cathode materials can develop active sites with carbon defects (C v ) and oxygen vacancies (O v ), which improve the reduction and breakdown of H 2 . The adsorbed H 2 on the surface of NCM decomposes into H* and combines with oxygen to form OH species, which can be facilitated by O v via the enhanced charge transfer. The introduced C v can enhance H 2 cracking and generate *C–H species to promote the thermal decomposition of NCM. The presence of defects proves to foster the preferential reduction of Mn(IV) by H 2, leading to a lower activation energy for the NCM decomposition (from 139 to 110 kJ/mol) with less H 2 consumption. Life cycle assessment suggests a reduction of 4.42 kg CO 2 eq for the recycling of every 1.0 kg of retired batteries. This study can promote material circularity and minimize the environmental burden of mining technology-critical metals for a low-carbon transition.
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 | 0,000 |
| 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 découle