颜清宇/李述周/文勇刚AM：机器学习用于锂离子电池材料开发和状态预测

锂离子电池 (LIB) 是现代社会至关重要的储能设备。然而，其在能量密度、功率密度、循环寿命、安全性等方面的性能和成本仍然不尽如人意。

为了进一步提高电池的性能，传统的“试错”过程需要进行大量繁琐的实验，计算化学和人工智能 (AI) 可以显著加快新型电池系统的研发。

图1. 新材料发现方法的发展

在此，新加坡南洋理工大学颜清宇、李述周及文勇刚等人总结了用于预测和发现电池材料以及估计电池系统的状态的机器学习（ML）研究的进展。

作者首先简要介绍ML或AI在电池领域的应用的三种类别（规定性、描述性和预测性）；然后总结了关于ML在电池性能预测（电极、电解质、电池状态）和新材料发现与设计的最新研究，并给出了成功示例。

同时概述了在现实场景和集成框架中应用AI/ML的挑战，包括数据采集稀缺性和成本安全问题等。

图2. 综述内容总结

为了应对这些挑战，作者建议将不同性质的ML算法（即规定性、描述性和预测性ML/AL）集成到一个统一的框架中，以数字孪生为中心促进电池系统经济中的先进应用。

提议的框架包括三个模块，即物理系统/场景、数字孪生和人工智能引擎。这三个模块通过不同的力量（即人工智能能力）相互影响，具有数据丰富、效率和安全部署等优点。

图3. 通过机器学习方法发现和设计电池材料的基本工作流程

Machine Learning: An Advanced Platform for Materials Development and State Prediction in Lithium-Ion Batteries, Advanced Materials 2021. DOI: 10.1002/adma.202101474

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/2023/10/24/68da72ace6/

颜清宇/李述周/文勇刚AM：机器学习用于锂离子电池材料开发和状态预测

相关推荐