IF=60.622，Chem. Rev.：人工智能应用于电池研究：炒作还是现实？

• 头条, 干货, 顶刊 • 阅读 5
IF=60.622，Chem. Rev.：人工智能应用于电池研究：炒作还是现实？
目前的电池研究工作在很大程度上依赖于实验试错法。同时，电池研发数据量呈指数级增长，已有近30,000篇锂离子电池（LIB）文献，一名每年读150篇文献的研究人员也要150年才能读完。
人工智能 (AI)，尤其是其机器学习 (ML)，是一种很有前景的方法，可能导致电池研发的方式发生范式转变，但应用AL/ML的电池研发领域众多，导致所用术语的异质性以及缺乏明确性。
IF=60.622，Chem. Rev.：人工智能应用于电池研究：炒作还是现实？
图1. 常见ML算法的工作流程
在此，法国皮卡第儒勒-凡尔纳大学（亚眠大学）Alejandro A. Franco等人提供全面、权威、批判性且易于理解的关于化学和电化学能源科学界普遍感兴趣的AI /ML的评论。
首先介绍了AI/ML的概念，简要介绍了其发展历史、工作原理以及电池领域最常用的ML算法（神经网络、决策树、支持向量机、K-最近邻等），列出了常用的编程语言和软件等。
AI/ML在电池研究中存在大量应用，涵盖以下方面：材料设计和合成、电极和电池制造、电极结构和材料表征、电池单元诊断和预测，以及替代建模、回收、二次生命和文本挖掘。最后给出了总体结论，并指出了AI/ML在电池领域进一步应用的挑战和机遇。
IF=60.622，Chem. Rev.：人工智能应用于电池研究：炒作还是现实？
图2. 搜索具有特定目标特性的新电池材料的ML算法的信息图
电池人工智能研究并不是炒作。尽管对AI/ ML充满希望，但在电池领域广泛使用数据驱动方法之前，还有很长的路要走。应解决的挑战可以概括为
(i) 描述符，
(ii) 数据稀缺和错误确定，
(iii) 缺乏标准和不成熟的表示，
(iv) 用户友好的工具，
 (v) 桥接尺度问题。
总体而言，要成为促进创新的不可避免的驱动力，AI专家应该从实验和计算的角度与电池专家进行强有力的合作。
IF=60.622，Chem. Rev.：人工智能应用于电池研究：炒作还是现实？
图3.当前（绿色）和未来（橙色）实验工作流程的示意图
Artificial Intelligence Applied to Battery Research: Hype or Reality? Chemical Reviews 2021. DOI: 10.1021/acs.chemrev.1c00108

原创文章，作者：科研小搬砖，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2023/10/16/2c20500675/

赞 (0)
0

相关推荐