Baterie a úložiště energie

img-mv26vqxh-8161bd9a

 

Popis


Než postavíte článek, otestujte elektrolyty, katody a slitiny pro ukládání vodíku pomocí predikce. MatterSeek předpovídá vlastnosti materiálu ze složení. (150)

 

279

Baterie a úložiště energie — Materiálový systém / Předvídatelný výkon / Cesta ověření

 

 

 

 

 

Umělá inteligence pro baterie a materiály pro uchovávání energie — Prohlédněte si elektrolyty a elektrody, než postavíte článek

 

 

1. MatterSeek je platforma výzkumu a vývoje materiálů AI pro vývoj baterií a skladování energie.

Předpovídá materiálové vlastnosti na základě chemického složení, takže elektrolyty, katody, anody, separátory a slitiny pro ukládání vodíku lze v softwaru seřadit před sestavením nebo cyklováním jakéhokoli článku.

2. Vývoj baterií je omezen mezerou mezi záměrem návrhu a měřitelným výkonem.

Postranní reakce na rozhraní, iontový transport a tepelná stabilita se objevují až poté, co je buňka postavena – a každý cyklus sestavení a testování je pomalý a drahý. Výsledkem je vývojová smyčka, kde je důkladně testována hrstka formulací, místo aby byl inteligentně prověřován široký prostor.

3. Nejprve promítněte prostor kompozice. Popisujete cíl –

Sada základních prvků plus okno vlastností, jako je elektrochemický, tepelný nebo termodynamický požadavek – a MatterSeek vrací předpokládané hodnoty vlastností s nejistotou pro každého kandidáta. Platforma podporuje jeden až čtyři základní prvky s přesností úrovně dopingu 0,02 a predikce se dokončí přibližně za minutu pro dva základní prvky, dvě minuty pro tři a sedm minut pro čtyři. Výstup se zobrazí jako radarové mapy s více vlastnostmi, 2D a 3D tepelné mapy, které ukazují, jak se vlastnosti posouvají v rámci kompozice, a exportovatelné tabulky.

4. Vlastnosti týkající se skladovacích materiálů.

Predikční engine pokrývá skupiny elektrochemických, dielektrických, tepelných, termodynamických a strukturních vlastností, včetně bodu tání, kritické rychlosti ochlazování pro amorfizaci, Seebeckova koeficientu, účiníku a termoelektrické hodnoty – poslední tři jsou přímo relevantní pro tepelný management a materiály pro přeměnu termoelektrické energie.

5. Ověření v autonomní laboratoři.

Předpokládaní kandidáti proudí do autonomní laboratoře MatterSeek o rozloze 1 200 m², jejíž šest procesních klastrů zahrnuje vakuové tavení s rychlým tuhnutím, syntézu v pevné fázi s tvářením a slinováním, hydrotermální a mokré chemické cesty a sol–gel s nadkritickým sušením CO₂ – cesty, které produkují elektrodové prášky, pevné elektrolyty a porézní separační materiály. Automatizovaná charakterizace zahrnuje XRD, BET povrch, současnou termální analýzu a Ramanovu analýzu. Přesnost modelu je 95,7 % a každý naměřený výsledek je vrácen zpět, aby se utáhlo další kolo predikce.

6. Skupiny skladovacích materiálů, které již byly řešeny, zahrnují pevné elektrolyty,

katodové a anodové kompozice, separátorové a keramické membránové materiály, termoregulační a termoelektrické materiály a slitiny pro ukládání vodíku v pevném stavu – poslední z nich se přivádějí přímo do vakuového tavného a rychle tuhnoucího klastru.

 

FAQ

 

 

Otázka: Může MatterSeek promítat polovodičové elektrolyty?

A: Ano. Definujete základní složení a okno vlastností, které potřebujete, a platforma vrátí hodnocené kandidáty s předpokládanými vlastnostmi a nejistotou před vytvořením jakékoli buňky.

Otázka: Jak rychle probíhá predikce?

Odpověď: Asi jednu minutu pro dva základní prvky, dvě minuty pro tři a sedm minut pro čtyři.

Otázka: Zvládá platforma materiály pro skladování vodíku?

Odpověď: Ano – slitiny pro skladování vodíku se nacházejí v rozsahu kovových slitin, který ovládá vakuový tavící a rychle tuhnoucí cluster.

Yuyao (Beijing) Technology Co., Ltd. je profesionální společnost specializující se na průnik AI a pokročilých materiálů pro skladování baterií a energie. Společnost nezávisle vyvinula MatterSeek – základní velký model šitý na míru sektoru materiálů – a byla průkopníkem algoritmu HNN (Hierarchical Neural Network) a zároveň vybudovala vlastní, ovladatelnou databázi experimentů s materiály.