人工智能高效助力锂电池电解质开发潜力巨大

产品时间:2021-07-14 04:23

简要描述:

富士通株式会社和日本理化学研究所最近发布,他们的牵头研究小组在材料设计中应用于第一原理计算出来与人工智能技术,对全固态锂离子电池的液体电解质构成做到了预测、制备与评价试验,并展开了实际检验。结果证明,即使在较多数据下,通过与人工智能方法融合,仍可高效地找到最佳材料构成,大幅提高材料研发速度。迄今为止,材料的研发被迫倚赖研究人员长年累积的经验和灵敏的直觉,必须累积许多告终的教训才能顺利。...

推荐产品
详细介绍
本文摘要:富士通株式会社和日本理化学研究所最近发布,他们的牵头研究小组在材料设计中应用于第一原理计算出来与人工智能技术,对全固态锂离子电池的液体电解质构成做到了预测、制备与评价试验,并展开了实际检验。结果证明,即使在较多数据下,通过与人工智能方法融合,仍可高效地找到最佳材料构成,大幅提高材料研发速度。迄今为止,材料的研发被迫倚赖研究人员长年累积的经验和灵敏的直觉,必须累积许多告终的教训才能顺利。

亚博yabo全站官网

富士通株式会社和日本理化学研究所最近发布,他们的牵头研究小组在材料设计中应用于第一原理计算出来与人工智能技术,对全固态锂离子电池的液体电解质构成做到了预测、制备与评价试验,并展开了实际检验。结果证明,即使在较多数据下,通过与人工智能方法融合,仍可高效地找到最佳材料构成,大幅提高材料研发速度。迄今为止,材料的研发被迫倚赖研究人员长年累积的经验和灵敏的直觉,必须累积许多告终的教训才能顺利。

而第一原理计算出来是如果登录了材料的构成,基于量子力学可以预测的特征,在实验之前才可预测新的低功能材料的最佳构成,从而大幅度增加实验告终次数。但是第一原理计算出来的负荷十分极大,材料各种构成必须多重计算出来,将不会花费十分宽的时间。研究小组期望通过材料仿真、实验和人工智能紧密融合,解决问题材料研发中的问题,使材料研发时间大幅度延长,以期更容易地找到意想不到的构成和结晶结构,用上新的低功能材料。

亚博yabo全站官网

此次研究小组用于人工智能方法之一的贝叶斯推测法人组,掌控第一原理计算出来的运算次数,对全固态锂离子电池液体电解质的三种所含锂的氧酸盐制备化合物展开了预测。结果证实,该方法能在可实现的时间内,预测低锂离子传导率的最佳人组。同时在预测的构成附近也找到了其他构成的高锂离子传导率。锂离子传导率是固态电解质材料最重要的特征之一,是主导锂电池充放电速度的因子。

此次研究成果检验了利用材料仿真和人工智能方法可高效研发不漏液、不发生爆炸的锂离子电池,今后未来将会在电池、半导体以及磁性体等材料领域充分发挥极大潜力。


本文关键词:人工智能,高效,助力,锂电池,电解质,开发,亚博yabo全站官网

本文来源:亚博yabo全站官网-www.fsbjwl.com

产品咨询

留言框

  • 产品:

  • 您的单位:

  • 您的姓名:

  • 联系电话:

  • 详细地址:

  • 留言内容:

在线客服 联系方式 二维码

电话

024-887555642

扫一扫,关注我们