In memory of Bruno Scrosati: Metal salts for rechargeable Batteries: Past, present, and future
Notice bibliographique
Résumé
Ionic transport mechanisms within the electrolyte play a crucial role in governing the electrode processes and charge transfer kinetics in rechargeable battery systems. This has particularly garnered widespread attention in recent years, as high voltage for metal ion batteries (MIBs) and solid-state batteries (SSMBs) are key areas of growing interest, driven by their potential future applications. Despite their importance, the electrolytes in MIBs and SSMBs lead to multiple bottleneck challenges. SSMBs based on polymer-state electrolytes (SPEs) are relatively new research hotspots that exhibit higher ionic transport and greater energy density while addressing issues like flammability and low energy density often encountered with liquid electrolytes (LEs) in lithium-ion (LIBs) and sodium-ion (SIBs) batteries. However, owing to their high crystallinity, poly (ethylene oxide) — PEO, SPEs suffer from reduced ionic conductivity at room temperature. A possible remedy is provided by gel polymer electrolytes (GPEs), which, decrease crystallinity, thus improving the ionic conductivity as well as improving the electrode-electrolyte contact. This review covers the synthesis processes and characterization of lithium and sodium salts, which are key to electrolyte design. It then summarizes the recent progress in electrolyte formulations for high-voltage MIBs and SSMBs. Finally, the critical contribution of understanding ionic conductivity the stability of electrolytes-electrodes interfaces and electrolyte structures is highlighted, as these factors directly impact the performance and lifespan of these battery systems.
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 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 | 0,000 |
| 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».