Lithium Niobate Coatings on Lithium Iron Phosphate Cathode Materials for Application in Lithium Ion Batteries
Notice bibliographique
Résumé
There remains a need to enhance existing cathode materials in lithium ion batteries (LIBs). For example, lithium iron phosphate (LFP) is hindered by low electrical conductivity and slow lithium ion diffusion. While carbon coatings improve LFP performance, alternative materials with higher ionic conductivities have not been thoroughly explored. In this study, we present a method to synthesize a patchwork-type lithium niobate (LiNbO 3 ) coating on LFP particles. LiNbO 3 coatings were fabricated using solvothermal methods to enhance the LFP performance. Electron microscopy and X-ray spectroscopy confirmed the successful deposition of a ∼10 nm thick layer of LiNbO 3 onto the LFP surfaces. The effects of this coating on LFP performance were evaluated through galvanostatic charge-discharge tests. Notably, carbon-coated LFP particles with a 1% w/w LiNbO 3 coating exhibited a specific discharge capacity of 146 mAh g −1 at a 0.1 C rate and retained ∼98% of their capacity after 300 cycles at a 1 C rate. Additionally, cyclic voltammetry and current interruption techniques were employed to assess lithium diffusion coefficients before and after 300+ charge-discharge cycles. The results demonstrate that the LiNbO 3 coating significantly enhanced lithium ion transport by stabilizing areas of the LFP particles with thin or discontinuous carbon coatings, improving performance even after extensive cycling.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».