Préparation d’électrodes positives au phosphate de fer lithié par voie extrudée pour batteries tout-solides au lithium
Bibliographic record
Abstract
La transition énergétique qui s’opère depuis la dernière décennie et l’augmentation constante du nombre de nouveaux appareils électroniques portables créent une importante demande pour des batteries Li-ion. Des efforts sont mis à travers le monde par des entreprises privées, des institutions académiques et des gouvernements pour développer des moyens de production toujours plus grands. Malgré les objectifs de décarbonations associés aux batteries Li-ion, leur production à grande échelle entraîne une empreinte carbone non-négligeable et leur utilisation implique des dangers liés aux liquides inflammables utilisés comme électrolytes. La préparation d’électrodes est faite en grande majorité par enduction d’encre, une technique qui permet la dispersion des matières actives, des additifs conducteurs et du liant polymérique dans un encre qui est ensuite laminée à une épaisseur donnée puis séchée pour obtenir un matériau solide poreux. Cette étape de séchage est très énergivore et coûteuse car elle nécessite des systèmes de chauffage, de ventilation et de récupération des vapeurs de solvants sophistiqués. Il y aurait donc avantage à développer des méthodes de préparation d’électrodes ne nécessitant pas de solvants pour permettre de réduire l’impact environnemental et réduire le coût de production des batteries Li-ion. L’extrusion de polymères est une méthode permettant le mélange de polymères en les chauffant au-dessus de leur température de fusion et en forçant la mixtion par l’action de vis. En utilisant cette méthode, il a été possible de préparer des électrodes positives et des électrolytes solides qui ont été utilisées dans des batteries lithium métal (Li-M) ne contenant pas de solvants. Il sera question de la préparation de polymères électrolytes par extrusion en mélangeant deux polymères avec un sel de lithium et de leur utilisation dans une batterie au lithium contenant une électrode négative de lithium métallique. Ces électrolytes polymères seront ensuite utilisés comme liants dans des électrodes préparées par extrusion. Il sera également sujet dans ce mémoire de l’utilisation de l’extrusion pour préparer des électrodes de batteries Li-ion à base de phosphate de fer lithié (LFP) et de l’impact de la formulation de ces électrodes sur leurs performances. Différentes techniques électrochimiques et physiques seront utilisées pour caractériser les matériaux préparés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".