Looking Beyond Lithium for Breakthroughs in Magnesium-Ion Batteries as Sustainable Solutions
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
The increasing demand for sustainable and cost-effective battery technologies in electric vehicles (EVs) has driven research into alternatives to lithium-ion (Li-ion) batteries. This study investigates magnesium-ion (Mg-ion) batteries as a potential solution, focusing on their energy density, cycle stability, safety, and scalability. The research employs a comprehensive methodology, combining electrochemical testing and simulation models, to analyse magnesium-based anodes, sulphur-based cathodes, and advanced electrolytes such as HMDS2Mg. Key findings reveal that Mg-ion batteries achieve a practical energy density of 500–1000 mAh/g, comparable to high-performance Li-ion systems. With sulphur–graphene cathodes, Mg-ion batteries demonstrated 92% capacity retention after 500 cycles, a 10% improvement over standard configurations. Ionic conductivity reached 1.2 × 10−2 S/cm using HMDS2Mg electrolytes, significantly reducing passivation layer growth to 5 nm after 100 cycles, outperforming Grignard-based systems by 30%. However, the research identified a 15% reduction in charge–discharge efficiency compared to Li-ion batteries due to slower ion diffusion kinetics. This study highlights the safety advantage of magnesium-ion batteries, which eliminate dendrite formation and reduce thermal runaway risks by 40%. These findings position Mg-ion batteries as a promising, sustainable alternative for EVs, emphasising the need for further optimisation in scalability and efficiency.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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