Dynamic Lithium Transport Pathway via Crack Formation in Phase-Separating Battery Particles
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Nanoscale cracks within battery particles are ubiquitously induced during battery cycling. Tracking the origin of nanocrack formation and its subsequent propagation remains challenging, although it is crucial for the cycle life and kinetics of batteries. Moreover, it is even more challenging to understand how such nanocracks influence lithium (de)insertion pathways and local strain fields within battery particles. In this study, we utilized operando scanning transmission X-ray microscopy on individual LiFePO 4 (LFP) particles to visualize the relationship between lithium (de)insertion pathways and crack formation and propagation. We first demonstrate the generation mechanism of nanocracks occurs when the lithium insertion pathway at the edge of fresh LFP particles induces strong tensile stress in the middle of the particle. Then, we directly observe the nanocrack propagation mechanism, where the freshly exposed surface near the crack activates a fast lithium (de)insertion pathway, completely altering the internal stress fields near the nanocrack. Once the nanocrack transforms the dynamic lithium pathway and distribution, the delithiation process induces crack-opening tensile stress, while the lithiation process generates crack-closing compressive stress. 3D phase-field simulations support these observations, showing how dynamic lithium distribution shapes stress fields. Our findings reveal a recursive chemo-mechanical loop involving lithium (de)insertion pathways, internal stress fields, and crack development.
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 ».