MétaCan
Menu
Retour à la cohorte
Enregistrement W4412655950 · doi:10.1002/aenm.202503051

Designing Surface Coating Strategies with Tungsten on Single Crystal NMC Materials by XPS

2025· article· en· W4412655950 sur OpenAlexaff
Animesh Dutta, Kan Homlamai, Michel B. Johnson, Montree Sawangphruk, J. R. Dahn

Notice bibliographique

RevueAdvanced Energy Materials · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced materials and composites
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceTungstenX-ray photoelectron spectroscopySingle crystalCoatingNanotechnologySurface (topology)Chemical engineeringMetallurgyCrystallography

Résumé

récupéré en direct d'OpenAlex

Abstract Medium‐nickel layered oxide materials are a promising positive electrode material for high energy density lithium ion batteries. These materials can suffer from surface instability at a highly de‐lithiated state and poor rate capability. Surface coatings with multiple elements are a common strategy to overcome some of these challenges, however, the rationale behind adding these elements has never been explored. Here, various mid‐nickel single crystal vendor materials are evaluated by X‐ray Photoelectron Spectroscopy (XPS) and identified various surface coating compounds that can form during synthesis. Among the many common coating elements this study primarily focuses on tungsten (W). Using the in‐house “all dry synthesis” method, single crystal Li1+x(Ni0.6Mn0.3Co0.1)1‐xO2 materials are developed, where W is added at different stages of the synthesis to generate some unique W‐based surface compounds that match with vendor materials. This study systematically evaluates different W‐based surface compounds, compares their overall effect on electrochemical performance and highlights the instability of some of them. This work demonstrates that W is an important element and can significantly improve electrochemical performance when added in a second heating step.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,004
Tête enseignante GPT0,194
Écart entre enseignants0,190 · 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'étudeExpérimental (laboratoire)
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

Citations11
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetAdvanced materials and compositesTravaux en français237 207