16 5月 2019

【論文紹介】Building ultraconformal protective layers on both secondary and primary particles of layered lithium transition metal oxide cathodes | Nature Energy

出典:https://www.nature.com/

Nature Energy doi: 10.1038/s41560-019-0387-1
・米国エネルギー省(DOE)のアルゴンヌ国立研究所の研究者らが、層状リチウム遷移金属酸化物正極用の新規なコーティングを開発。
・酸化化学気相成長法を用いて、層状酸化物カソード材料上に保護導電性ポリマー(ポリ(3,4-エチレンジオキシチオフェン))スキンを構築した。
・このスキン層は、リチウムイオンおよび電子の輸送を容易にし、望ましくない層状からスピネル/岩塩相への相転移、およびそれに伴う酸素損失を大幅に抑制し、粒界および粒内の機械的亀裂を軽減し、効果的に安定化する。
・このアプローチによって、高電圧動作下での容量と熱安定性を著しく向上させることを確認。
・二次粒子レベルと一次粒子レベルの両方の層状酸化物でこの保護皮膜を構築することは、高エネルギー、長寿命および安全なリチウムイオン電池に向けたNiリッチカソードのための有望な設計戦略となりうる。
<元記事>https://www.nature.com/articles/s41560-019-0387-1

著者一覧を見ると中国出身と思われる方が多い。政治的な問題はあるかもしれないが、中国の電池に対する熱意が感じられる。若い方が成長することは中国国内に良い影響を及ぼすことが期待できる。
一方で、日本は電池を主要産業にしようとここ数年足掻いているが、人材育成につながる具体的なアクションは起こしたのであろうか。

お気軽にご連絡ください。
●会員向けの購読依頼
まとめサイト担当:comment_x (at) arm-tech.jp
●電動化およびエネルギー関連の商品・サービス、電池戦略に関するご相談
大木:Hideki.Oki (at) arm-tech.jp

09 3月 2017

【論文紹介】Tuning the Solid Electrolyte Interphase for Selective Li- and Na-Ion Storage in Hard Carbon

Advanced Materials,7 March 2017, DOI;10.1002/adma.201606860
・ハードカーボン上に形成されるSEIについての研究報告。
・Naベース電解質中でサイクルさせることで、ハードカーボン上にNaベースのSEIを形成させた。
・興味深いことに、NaベースのSEIはその後Liイオンベースの電解液中で、Liイオンの輸送を容易にする。
・一方、LiベースのSEIは、Naイオンの輸送を遮断する。
・この研究は電気化学的アプローチにより、選択性イオン伝導体を調整するための新たな指針を提供する。
<元記事>http://onlinelibrary.wiley.com/doi/10.1002/adma.201606860/full

21 8月 2014

【論文紹介】Differentiating allotropic LiCoO2/Li2Co2O4: A structural and electrochemical study

出展:http://ars.els-cdn.com/

出展:http://ars.els-cdn.com/

Journal of Power Sources, Volume 271, 20 December 2014, Pages 97–103
【概要】
・スピネル​​Li2Co2O4と、層状LiCoO2を、高分解能X線回折を用いて分析。
・八面体サイトにおけるLiとCo間の相互交換が450〜650℃の高い温度で起こり、スピネルLi2Co2O4が形成。
・スピネルLi2Co2O4は20mAh/gの低い可逆容量と80mAh/gの大きな容量ロスを確認。
・LiCoO 2をとLi2Co2O4の間で歪んだスピネル相を今回初めて報告。
<続き:元記事>

16 8月 2014

【論文紹介】A method for state of energy estimation of lithium-ion batteries at dynamic currents and temperatures

Journal of Power Sources, Volume 270, 15 December 2014, Pages 151–157
【概要】
・エネルギマネジメントで重要な、リチウムイオン電池のエネルギーの状態(SOE)を、Back-Propagation Neural Network (BPNN) 法に基づいて推定した(BPNN法とは:wikipedia)。
・内部抵抗におけるエネルギー損失、電気化学反応、開回路電圧(OCV)の減少、放電電流、温度を考慮したBPNN法による残存容量の推定が、正確且つ確実であることを確認した。
<続き:元記事>