Tuning Diffusion Preferences in Silicon-Based Anodes for Enhanced Rapid and Homogeneous Lithiation
Notice bibliographique
Résumé
The inherently sluggish lithiation kinetics of silicon (Si), coupled with its severe volume expansion, causes lithiation retardation and thus exacerbates the failure of Si-based anodes. Here, a Li + -diffusion-preference tuning strategy for homogeneous lithiation of Si has been proposed to address these issues and successfully validated through both simulation and experiments using commercial photovoltaic silicon waste (Si pv ). In detail, Li + preferentially diffuses along grain boundaries (GBs) and then into grains, enabling rapid and homogeneous lithiation throughout the Si particles rather than the conventional outside-to-inside lithiation process that suffers from lithiation retardation. Furthermore, the high-concentration GBs impart isotropic lithiation behavior and induce a fine-grain strengthening effect, enhancing the structural stability of Si pv . The anode prepared by combining Si pv with graphite (Si pv /g) thus demonstrates stable cycling with a capacity retention of 93.8% after 1000 cycles. Even at −20 °C, Si pv /g delivers a 136.2% increase in specific capacity compared to that of commercial Si-based anodes. This work proposes a constructive strategy to essentially improve the electrochemical performance of Si-based anodes.
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 ».