X光实验和机器学习创新可使电池研发缩短几年时间

据外媒报道,美国劳伦斯伯克利实验室的一台X射线仪器为一项电池研究做出了贡献,该研究采用了机器学习的创新方法,以加快对缩短快速充电锂电池寿命的过程的学习曲线。研究人员利用伯克利实验室的先进光源,一个同步辐射器,为几十个同时进行的实验产生从红外线到X射线的光线,在一个被称为COSMIC的最先进的ALS光束线上执行一种被称为扫描透射X射线显微镜(STXM)的化学成像技术。

X光实验和机器学习创新可使电池研发缩短几年时间

研究人员还在另一个同步辐射器–SLAC的斯坦福同步辐射光源–上采用了 “原位 “X射线衍射法,试图重现电池中存在的条件,并另外提供了一个多粒子电池模型。所有三种形式的数据都以一种格式结合起来,以帮助机器学习算法学习电池中的物理学。

虽然典型的机器学习算法寻找与训练图像集匹配或不匹配的图像,但在这项研究中,研究人员应用了来自实验和其他来源的更深入的数据集,以实现更精细的结果。研究人员指出,这代表了这种品牌的 “科学机器学习 ”首次被应用于电池循环。该研究最近发表在《自然材料》上。

这项研究得益于COSMIC光束线的一种能力,即通过COSMIC的高速、高分辨率成像能力,将大约100个单独的粒子的化学状态分离出来。参与这项研究的ALS的研究科学家Young-Sang Yu指出,在循环过程中,每个被选中的粒子在大约50个不同的能量步骤中被成像,总共有5000张图像。

来自ALS实验和其他实验的数据与来自快速充电数学模型的数据、以及关于快速充电的化学和物理信息相结合,然后纳入机器学习算法。

这项研究的共同作者、斯坦福大学博士后研究员Stephen Dongmin Kang表示:“我们没有像之前的两项研究那样,让计算机通过简单地给它提供数据直接找出模型,而是教计算机如何选择或学习正确的方程式,从而选择正确的物理学。”

丰田研究所的高级研究科学家Patrick Herring说:“通过了解电池内发生的基本反应,我们可以延长其寿命,实现更快的充电,并最终设计出更好的电池材料,丰田研究所通过其加速材料设计和发现计划支持这项工作。”

免责声明:本文系转载,版权归原作者所有;旨在传递信息,不代表OKPAI的观点和立场。
分享本页
返回顶部