日前據外媒報道，富士通株式會社和日本理化學研究所公布了最新的鋰電池研發(fā)技術。兩者將應用第一性原理計算（量子力學）以及人工智能AI技術，對鋰離子電池的固態(tài)電解質新材料開發(fā)做合成評估，可以在資料和數(shù)據不全的情況下，也能夠嘗試更多材料的結合，并得以實際驗證。同時有了人工智能技術的支持，將大幅度提升鋰電池材料的開發(fā)速度，這對于目前緩慢前進的電池技術領域將是一個利好消息。
在傳統(tǒng)的鋰電池材料開發(fā)上，需要依賴研究人員長期積累的經驗和敏銳的直覺，在嘗試新的材料合成時，對于數(shù)據的依賴也很高。而第一性原理計算將基于量子力學可以預測的特征（波函數(shù)特性），在實驗之前就可以感知新材料的最佳組合模式，從而大幅減少實驗失敗次數(shù)。但同時第一性原理計算的負荷巨大，材料各種組成需要多重計算，將會耗費很長的研發(fā)時間。
所以研究小組引入人工智能AI技術，使其可以控制制第一性原理計算的運算次數(shù)，并更有指向性的對鋰離子電池固態(tài)電解質的三種含有鋰的氧酸鹽合成化合物進行了預測。結果證實，該方法能在更短的時間內，預測高鋰離子傳導率的最佳材料組合。同時還能夠在預測過程中發(fā)現(xiàn)效率更強的高鋰離子傳導率。
鋰離子傳導率是固態(tài)電解質最佳材料重要的特征之一，此次研究成果驗證了利用材料模擬和人工智能方法可高效開發(fā)不漏液、不起火的鋰離子電池，且會讓鋰電池的電解液活性效率更高，未來在電池應用市場就擁有巨大潛力。
在傳統(tǒng)的鋰電池材料開發(fā)上，需要依賴研究人員長期積累的經驗和敏銳的直覺，在嘗試新的材料合成時，對于數(shù)據的依賴也很高。而第一性原理計算將基于量子力學可以預測的特征（波函數(shù)特性），在實驗之前就可以感知新材料的最佳組合模式，從而大幅減少實驗失敗次數(shù)。但同時第一性原理計算的負荷巨大，材料各種組成需要多重計算，將會耗費很長的研發(fā)時間。
所以研究小組引入人工智能AI技術，使其可以控制制第一性原理計算的運算次數(shù)，并更有指向性的對鋰離子電池固態(tài)電解質的三種含有鋰的氧酸鹽合成化合物進行了預測。結果證實，該方法能在更短的時間內，預測高鋰離子傳導率的最佳材料組合。同時還能夠在預測過程中發(fā)現(xiàn)效率更強的高鋰離子傳導率。
鋰離子傳導率是固態(tài)電解質最佳材料重要的特征之一，此次研究成果驗證了利用材料模擬和人工智能方法可高效開發(fā)不漏液、不起火的鋰離子電池，且會讓鋰電池的電解液活性效率更高，未來在電池應用市場就擁有巨大潛力。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“機電號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of JDZJ Hao, which is a social media platform and only provides information storage services.
/企業(yè)主營產品/
/閱讀下一篇/
