MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410629099 · doi:10.1021/acs.jpcc.5c00159

Chemical Equilibrium Modeling of Nickel, Manganese, and Cobalt Carbonate Coprecipitation for Cathode Material Synthesis

2025· article· en· W4410629099 sur OpenAlexafffund
Valérie Charbonneau, D. Nadeau, François Larouche, Kamyab Amouzegar, Jocelyn Veilleux

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensHydro-QuébecInstitut National de la Recherche ScientifiqueUniversité de Sherbrooke
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaHydro-QuébecUniversité de Sherbrooke
Mots-clésCoprecipitationCobaltManganeseNickelCarbonateCathodeMaterials scienceMetallurgyChemistryInorganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Global trends in mobile electrification emphasize the critical importance of Li-ion battery recycling to alleviate environmental, social, and economic impacts linked to extensive mining. Recent advances in hydrometallurgical treatment of spent batteries demonstrate the streamlined recovery of transition metals, i.e., nickel, manganese, and cobalt, via cathode active material resynthesis from the acid leachate. Developing such processes requires careful consideration of the many cationic impurities present in the leachate, as they may deprive the reaction medium of complexing agents (ammonia) and precipitation reactants (either hydroxide or carbonate), potentially leading to lower recovery efficiencies. Moreover, the cationic impurities may incorporate into the crystal lattice of the resynthesized precursor, which can affect its crystallinity and morphology, both of which are crucial physical properties for subsequent processing steps. Hence, this paper presents a detailed solubility model for the coprecipitation synthesis of basic mixed metal carbonates. It demonstrates the competition among precipitating species for various precursor chemistries of LiNi x Mn y Co z O 2 ( x + y + z = 1). The study involves predicting chemical equilibrium and optimizing experimental parameters to synthesize precursors with a high carbonate content while minimizing residual metal ions in the leachate. Thermogravimetric analyses coupled with mass spectrometry are used to determine the synthesized precursor carbonate and hydroxide content. Experimental results validate the predictions obtained from the chemical equilibrium model. This study provides valuable insights into the pH dependency of the coprecipitation of nickel, manganese, and cobalt basic carbonate precursors and discusses the foreseeable coprecipitation of impurities if present in the leachate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,257
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry C→Même sujetExtraction and Separation Processes→Travaux en français237 207→