Tuning cation ordering and Mn3+ content in non-stoichiometric LiNi0.5-xMn1.5+xO4-y (LNMO) for enhanced cathode stability in lithium-ion batteries
Notice bibliographique
Résumé
Rapidly increasing demand for high-energy, long-cycle-life lithium-ion batteries (LIBs), particularly in electric vehicles and grid-scale applications, has highlighted the need for advanced cathode materials. High-voltage LiNi 0.5 Mn 1.5 O 4 (LNMO) has attracted considerable attention owing to its elevated working potential, reduced reliance on nickel, and cobalt-free composition. In this work, a scalable co-precipitation method is employed to synthesize non-stoichiometry LNMO cathodes with varying particle size, enabling precise control over particle morphology, cation ordering and Mn 3+ content. Comprehensive structural and electrochemical evaluations reveal that reducing the Ni content in LNMO elevates the Mn 3+ concentration and promotes the degree if cation disorder, which facilitates a single-phase, solid-solution reaction mechanism during lithiation and de-lithiation. In such a mechanism, Li + are inserted and extracted uniformly throughout the material without the formation of distinct phase boundaries, thereby significantly reducing kinetic barriers and polarization. Furthermore, although Mn 3+ typically induces local Jahn-Teller distortions, in a highly disordered lattice these distortions are more uniformly distributed, which minimizes local stress accumulation and enhances structural stability during cycling. This uniform distribution not only supports rapid Li + diffusion through continuous and well-connected pathways but also improves electronic conductivity by optimizing the local electronic structure. Consequently, LNMO with the highest cation disorder and Mn 3+ content, exhibits superior electrochemical performance, delivering 119.6 mAh·g −1 at 2C, retaining 70.3 % of its capacity after 1000 cycles and demonstrating the best kinetics among the samples. • Non-Stoichiometric LNMO was synthesized through a scalable co-precipitation method. • The cation ordering and Mn 3+ content LNMO were precisely tuned by control of Ni/Mn ratio. • Optimized LNMO achieves reduced polarization and accelerated Li + kinetics. • LNMO-9 delivers 119.6 mAh·g −1 at 2C and 70.3 % retention after 1000 cycles at 1C.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».