Sustainable Recycling of Lithium-Ion Battery Cathodes: Life Cycle Assessment, Technologies, and Economic Insights
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rapid growth of electric vehicles has increased demand for lithium-ion batteries (LIBs), raising concerns regarding their end-of-life management. This study comprehensively evaluates the closed-loop recycling of cathode materials from spent LIBs by integrating life cycle assessment (LCA), technoeconomic analysis, and technological comparison. Typical approaches-including pyrometallurgy, hydrometallurgy, and other processes such as organic acid leaching and in situ reduction roasting-are systematically reviewed. While pyrometallurgy offers scalability, it is hindered by high energy consumption and excessive greenhouse gas emissions. Hydrometallurgy achieves higher metal recovery rates with better environmental performance but requires complex chemical and wastewater management. Emerging methods and regeneration techniques such as co-precipitation and sol-gel synthesis demonstrate potential for high-purity material recovery and circular manufacturing. LCA results confirm that recycling significantly reduces GHG emissions, especially for high-nickel cathode chemistry. However, the environmental benefits are affected by upstream factors such as collection, disassembly, and logistics. Technoeconomic simulations show that profitability is strongly influenced by battery composition, regional cost structures, and collection rates. The study highlights the necessity of harmonized LCA boundaries, process optimization, and supportive policy frameworks to scale environmentally and economically sustainable LIB recycling, ensuring long-term supply security for critical battery materials.
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.
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) | 0,001 | 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 découle