IF=60.622,Chem. Rev.:人工智能应用于电池研究:炒作还是现实? 2023年10月16日 上午11:00 • 头条, 干货, 顶刊 • 阅读 5 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。 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。 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。 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/ 电池 赞 (0) 0 生成海报 相关推荐 研究生论文致谢没写明导师的帮助,被老师要求写检讨,否则踢出群聊… 2023年11月16日 重磅!中科院上海硅酸盐研究所,今日Science! 2024年12月6日 清华安晓强/北航刘利民ACS Catal.: 晶面调节局部配位环境:TiO2上双原子共催化助力光催化分解水 2023年10月18日 理化所/奥克兰大学AM: 轴向配体调控助力富介孔Fe-N-C-催化剂高效催化ORR 2023年12月11日 三单位联合Adv. Sci.:中空碳和 MXene 双增强 MoS2用于大倍率和高容量储钠系统 2024年3月18日 展思辉Angew.:高出18倍!利用氮空位调节Fe单原子位点局部电子密度实现高效光-Fenton过程 2023年10月12日