欢迎浏览中国储能网
您的位置: 首页  > 首屏 > 储能市场1 > 储能电站  返回

英国利用机器学习研究微观结构 以设计性能更佳的电池

作者:中国储能网新闻中心 来源:盖世汽车 发布时间:2020-08-02 浏览:
分享到:

据外媒报道,英国帝国理工学院(Imperial College London)的研究人员展示了机器学习可以如何帮助设计出性能更好的锂离子电池和燃料电池。此种新型机器学习算法让研究人员们能够探索燃料电池和锂离子电池微观结构的可能设计,然后运行3D仿真模型,帮助研究人员做出提升电池性能的改变。

(图片来源:techxplore.com)

性能的提升包括让智能手机充电速度更快、延长电动汽车的续航里程、增加数据中心氢燃料电池的功率等。

燃料电池可以利用由风能和太阳能等产生的清洁氢燃料,以产生热量和电力,而智能手机、笔记本电脑和电动汽车中的锂离子电池也是一种很受欢迎的能源存储方式。两者的性能都与其微观结构密切相关:电池内部小孔的形状和排列方式都会影响到燃料电池产生的能量以及电池的充放电速度。

不过,由于此类小孔的尺寸为微米级,非常小,在分辨率足够高的条件下研究此类小孔的特定形状和尺寸,以将其与电池的整体性能联系起来,可能会非常困难。

现在,帝国理工学院的研究人员已经利用机器学习技术来帮助他们以虚拟方式探索此类小孔,并运行3D仿真模型,基于电池的微观结构,预测其性能。

(图片来源:帝国理工学院)

研究人员采用一种称为“深度卷积生成对抗网络”(DC-GANs)的新型机器学习技术,基于从同步加速器(一种足球场大小的粒子加速器)的纳米级成像中获得的训练数据,学习生成电池微观结构的3D图像数据。

该研究的首席作者、帝国理工学院地球科学与工程系的Andrea Gayon-Lombardo表示:“我们的技术帮助我们放大电池和电芯,以观察哪些特性会影响整体性能。研发此种基于图像的机器学习技术可以为分析此种尺寸的图像提供新方法。”

当运行3D仿真模型以预测电池性能时,研究人员需要足够大的数据量,在统计学上代表整个电池。目前很难获取分辨率达标的大量微观结构的图像数据。不过,研究人员发现,可以通过训练代码来生成具有相同属性、更大的数据集,或者有意地生成结构,此种结构能够建立性能更佳电池的模型。

通过限制其算法只产生目前可以实现生产的结果,研究人员希望能够将技术应用到电池制造中,为下一代电池设计得到优化的电极。(来源:盖世汽车/作者:余秋云 )

关键字:储能电池

中国储能网版权声明:凡注明来源为“中国储能网:xxx(署名)”,除与中国储能网签署内容授权协议的网站外,其他任何网站或者单位如需转载需注明来源(中国储能网)。凡本网注明“来源:xxx(非中国储能网)”的作品,均转载与其他媒体,目的在于传播更多信息,但并不意味着中国储能网赞同其观点或证实其描述,文章以及引用的图片(或配图)内容仅供参考,如有涉及版权问题,可联系我们直接删除处理。其他媒体如需转载,请与稿件来源方联系,如产生任何版权问题与本网无关,想了解更多内容,请登录网站:http://www.escn.com.cn

相关报道