Looking Beyond Lithium for Breakthroughs in Magnesium-Ion Batteries as Sustainable Solutions
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».