باتری و ذخیره انرژی

img-mv26vqxh-8161bd9a

 

توضیحات


قبل از ساخت سلول، الکترولیت ها، کاتدها و آلیاژهای ذخیره هیدروژن را با پیش بینی غربال کنید. MatterSeek خواص مواد را از ترکیب پیش بینی می کند. (150)

 

279

باتری و ذخیره انرژی - سیستم مواد / عملکرد قابل پیش بینی / مسیر اعتبار سنجی

 

 

 

 

 

هوش مصنوعی برای مواد ذخیره‌سازی باتری و انرژی - صفحه نمایش الکترولیت‌ها و الکترودها قبل از ساخت سلول

 

 

1. MatterSeek یک پلت فرم تحقیق و توسعه مواد هوش مصنوعی برای توسعه باتری و ذخیره انرژی است.

خواص مواد را از ترکیب شیمیایی پیش‌بینی می‌کند، بنابراین الکترولیت‌ها، کاتدها، آندها، جداکننده‌ها و آلیاژهای ذخیره‌کننده هیدروژن را می‌توان قبل از مونتاژ یا چرخه‌سازی هر سلول در نرم‌افزار رتبه‌بندی کرد.

2. توسعه باتری با شکاف بین قصد طراحی و عملکرد قابل اندازه گیری تنگنا شده است.

واکنش‌های جانبی سطحی، انتقال یونی و پایداری حرارتی تنها پس از ساخت سلول ظاهر می‌شوند - و هر چرخه ساخت و آزمایش کند و گران است. نتیجه یک حلقه توسعه است که در آن تعداد انگشت شماری از فرمول ها به جای اینکه یک فضای وسیع به طور هوشمند غربال شود، به طور کامل آزمایش می شوند.

3. ابتدا فضای ترکیب بندی را غربال کنید. شما یک هدف را توصیف می کنید -

یک مجموعه عنصر پایه به اضافه یک پنجره ویژگی مانند نیاز الکتروشیمیایی، حرارتی یا ترمودینامیکی - و MatterSeek مقادیر ویژگی پیش‌بینی‌شده را با عدم قطعیت برای هر نامزد برمی‌گرداند. این پلت فرم از یک تا چهار عنصر پایه با دقت سطح دوپینگ 0.02 پشتیبانی می‌کند و پیش‌بینی در حدود یک دقیقه برای دو عنصر پایه، دو دقیقه برای سه و هفت دقیقه برای چهار تکمیل می‌شود. خروجی به صورت نمودارهای رادار چند ویژگی، نقشه‌های حرارتی دوبعدی و سه‌بعدی نشان می‌دهد که چگونگی تغییر خواص در چشم‌انداز ترکیب، و جداول قابل صادرات را نشان می‌دهد.

4. خواص مربوط به مواد ذخیره سازی.

موتور پیش‌بینی خانواده‌های ویژگی‌های الکتروشیمیایی، دی‌الکتریک، حرارتی، ترمودینامیکی و ساختاری، از جمله نقطه ذوب، نرخ خنک‌کننده بحرانی برای آمورفیزاسیون، ضریب Seebeck، ضریب توان و شکل ترموالکتریک را پوشش می‌دهد - سه مورد آخر مستقیماً به مواد مدیریت حرارتی و تبدیل انرژی ترموالکتریک مربوط می‌شوند.

5. اعتبار سنجی در یک آزمایشگاه مستقل.

نامزدهای پیش‌بینی‌شده به آزمایشگاه خودمختار 1200 متر مربعی MatterSeek، که شش خوشه فرآیند آن شامل ذوب خلاء با انجماد سریع، سنتز حالت جامد با شکل‌گیری و تف جوشی، مسیرهای هیدروترمال و شیمی مرطوب، و ژل-سل با کربن‌های فوق بحرانی و خشک کردن الکترومغناطیسی اکسید کربن است. مواد خصوصیات خودکار XRD، سطح سطح BET، تجزیه و تحلیل حرارتی همزمان و رامان را پوشش می دهد. دقت مدل 95.7٪ است و هر نتیجه اندازه گیری شده برای سخت تر کردن دور پیش بینی بعدی بازخورد داده می شود.

6. خانواده‌های مواد ذخیره‌سازی که قبلاً مورد بررسی قرار گرفته‌اند شامل الکترولیت‌های جامد هستند.

ترکیبات کاتد و آند، جداکننده و مواد غشایی سرامیکی، مواد مدیریت حرارتی و ترموالکتریک، و آلیاژهای ذخیره‌سازی هیدروژن حالت جامد - که آخرین آنها مستقیماً وارد خوشه ذوب خلاء و انجماد سریع می‌شوند.

 

سوالات متداول

 

 

س: آیا MatterSeek می تواند الکترولیت های حالت جامد را نمایش دهد؟

ج: بله. شما ترکیب پایه و پنجره ویژگی مورد نیاز خود را تعریف می‌کنید و پلتفرم نامزدهای رتبه‌بندی شده را با ویژگی‌های پیش‌بینی‌شده و عدم قطعیت قبل از ساخت هر سلولی برمی‌گرداند.

س: سرعت اجرای پیش بینی چقدر است؟

A: حدود یک دقیقه برای دو عنصر پایه، دو دقیقه برای سه و هفت دقیقه برای چهار.

س: آیا پلت فرم مواد ذخیره‌سازی هیدروژن را مدیریت می‌کند؟

A: بله - آلیاژهای ذخیره هیدروژن در محدوده آلیاژ فلزی قرار می گیرند که توسط ذوب خلاء و خوشه انجماد سریع اداره می شود.

Yuyao (Beijing) Technology Co., Ltd. یک شرکت حرفه ای متخصص در تقاطع هوش مصنوعی و مواد پیشرفته باتری و ذخیره انرژی است. این شرکت به طور مستقل MatterSeek را توسعه داده است - یک مدل بزرگ اساسی که برای بخش مواد طراحی شده است - و الگوریتم HNN (شبکه عصبی سلسله مراتبی) را پیشگام کرده است، در حالی که یک پایگاه داده آزمایشی مواد قابل کنترل و اختصاصی ساخته است.