MétaCan
Menu
Retour à la cohorte
Enregistrement W4407960559 · doi:10.1149/1945-7111/adba8f

Operando 3D Imaging of Electrolyte Motion in Cylindrical Li-Ion Cells

2025· article· en· W4407960559 sur OpenAlexfundno aff
Toby Bond, Sergey Gasilov, Reid Dressler, Rémi Petibon, Sunny Hy, J. R. Dahn

Notice bibliographique

RevueJournal of The Electrochemical Society · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCanada Foundation for Innovation
Mots-clésElectrolyteIonMotion (physics)Materials scienceChemistryAnalytical Chemistry (journal)PhysicsClassical mechanicsPhysical chemistryElectrodeChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Electrolyte motion in commercial Li-ion batteries has become an important topic as researchers seek to understand patterns of degradation that occur in large-format cells. Recent work has linked the motion of excess electrolyte to Li plating on the anode of large-format cells after repeated fast charging - an effect known as electrolyte motion induced salt inhomogeneity (EMSI). Mapping the distribution and flow patterns of electrolyte in the cell is critical to understanding these phenomena and predicting the patterns of Li plating that can result. In this work, we used time-resolved, synchrotron computed tomography (CT) to directly image the flow of electrolyte in two commercial 18650 cells during cycling, with one cell containing SiOx in the negative electrode and the other containing only graphite. The former cell shows significantly more electrolyte “pumping” during charge and discharge as well as asymmetric redistribution of salt along the jelly roll after hundreds of cycles. The results yield new insights into how electrolyte motion and its effects are influenced by the composition, geometry, and orientation of the cell.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,215
Score d'incertitude au seuil0,491

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,240
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207