Effect of Microstructure on Chemo-Mechanical Damage Evolution in Aluminum Foil Anodes for Lithium-Ion Batteries
Notice bibliographique
Résumé
Aluminum-based foil anodes could enable lithium-ion batteries with high energy density comparable to silicon and lithium metal. However, mechanical pulverization and lithium trapping within aluminum tend to cause capacity fading. The complex interplay between these damage modes is not well understood, as well as the role of microstructure on reaction front evolution. Here, we investigate aluminum foils with different compositions and processing conditions to understand how microstructure influences chemo-mechanical degradation. Backscattered electron imaging of ion-milled foil cross sections is used to visualize reaction front evolution and chemo-mechanical degradation. We find that the shape of the reaction front during lithiation is strongly affected by foil composition, defect distribution, and grain size, which, in turn, affects the evolution of chemo-mechanical damage within the foils. Furthermore, a key finding is that the extent of fracture upon delithiation is inversely related to lithium trapping, with foil compositions that exhibit uniform lithiation, and therefore, less fracturing showing greater lithium trapping. Nonreactive precipitate inclusions within alloy foils are also found to induce void formation. This work shows that material design strategies designed to overcome the inverse fracture-lithium trapping relationship could be useful for improving performance. Published by the American Physical Society 2024
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 ».