Ultra-Fast Charging with over 5000 Cycles TiNb<sub>2</sub>O<sub>7</sub> Anodes for Lithium-Ion Batteries and All-Solid-State Batteries
Notice bibliographique
Résumé
Electric vehicles (EVs) need batteries with ultrafast-charging and excellent safety performance.[1] However, safety concerns with lithium-ion batteries (LIBs), for example thermal runaway reactions, have been a significant challenge especially under fast charging.[2] Additionally, the energy density of batteries is restricted by the limited practical capacity of the electrodes.[3] To address these challenges, next-generation fast-charging anode materials are needed for both LIBs and solid-state lithium-ion batteries (SSLIBs). Titanium niobate (TiNb2O7, TNO) is a promising anode material in this regards, offering fast ionic diffusion kinetics, high theoretical capacity, and a stable material structure.[3] However, its inferior intrinsic electronic conductivity and synthesis-originating crystal defects impede the otherwise excellent electrochemical performance of TNO materials.[4] Recent work by our group has led to the design of single crystal TNO anodes [3] stabilized via Fe3+ doping [5] and engineered into TNO/graphene electrodes with extreme fast charging and long-cycling capability. Electrophoretically nano-assemble carbon-coated FeTNO(C-FeTNO)/reduced graphene oxide (rGO) electrodes, where rGO serves as binder and conductor have been cycled (half-cells in liquid electrolyte) for 5000 cycles at 5C rate retaining > 70% of their capacity. The application of the C-FeTNO/graphene anode in all-solid-state battery featuring a hybrid electrolyte [6] and LFP as cathode will be reported. Acknowledgement: This research was funded by Natural Sciences & Engineering Research Council of Canada (NSERC) and the Quebec FRQNT Scholarship program. The contributions of collaborators from Professor Bevan’s and Professor Gauvin’s groups are greatly appreciated. References: [1] Q. Zhao et al., Designing solid-state electrolytes for safe, energy-dense batteries, Nat. Rev. Mater. 5 (2020) 229-252. https://doi.org/10.1038/s41578-019-0165-5. [2] X.N. Feng et al., Mitigating thermal runaway of lithium-ion batteries, Joule 4 (2020) 743-770. https://doi.org/10.1016/j.joule.2020.02.010. [3] F. Yu, S. Wang, R. Yekani, A. La Monaca, G.P. Demopoulos, Single-crystal TiNb2O7 materials via sustainable synthesis for fast-charging lithium-ion battery anodes, J. Energy Storage 95 (2024) 112482. https://doi.org/https://doi.org/10.1016/j.est.2024.112482. [4] K.J. Griffith et al. Titanium niobium oxide: from discovery to application in fast-charging lithium-ion batteries, Chem. Mater. 33 (2021) 4-18. https://doi.org/10.1021/acs.chemmater.0c02955. [5] F. Yu, B. Miglani, S. Yuan, R. Yekani, K.H. Bevan, G.P. Demopoulos, Fe3+-substitutional doping of nanostructured single-crystal TiNb2O7 for long-stable cycling of ultra-fast charging anodes, Nano Energy 133 (2025) 110494. https://doi.org/https://doi.org/10.1016/j.nanoen.2024.110494. [6] S. Wang, G.P. Demopoulos, High-conductive polymer-in-porous garnet solid electrolyte structure for all-solid-state lithium batteries enabled by molecular engineering, Energy Storage Mater. 71 (2024) 103604. https://doi.org/https://doi.org/10.1016/j.ensm.2024.103604. Figure 1
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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».