Akun ja energian varastointi

img-mv26vqxh-8161bd9a

 

Kuvaus


Seulo elektrolyytit, katodit ja vetyä varastoivat seokset ennustamalla ennen kennon rakentamista. MatterSeek ennustaa materiaalin ominaisuuksia koostumuksesta. (150)

 

279

Akun ja energian varastointi — materiaalijärjestelmä / ennustettava suorituskyky / validointireitti

 

 

 

 

 

Tekoäly akun ja energian varastointimateriaaleja varten — Näytön elektrolyytit ja elektrodit ennen solun rakentamista

 

 

1. MatterSeek on tekoälymateriaalien T&K-alusta akkujen ja energian varastoinnin kehittämiseen.

Se ennustaa materiaalin ominaisuuksia kemiallisen koostumuksen perusteella, joten elektrolyytit, katodit, anodit, erottimet ja vetyä varastoivat seokset voidaan luokitella ohjelmistossa ennen kennojen kokoamista tai kiertoa.

2. Akun kehitystä jarruttaa suunnittelutarkoituksen ja mitattavissa olevan suorituskyvyn välinen kuilu.

Rajapintojen sivureaktiot, ionien kuljetus ja lämpöstabiilius ilmenevät vasta solun rakentamisen jälkeen – ja jokainen rakennus- ja testaussykli on hidasta ja kallista. Tuloksena on kehityssilmukka, jossa kourallinen formulaatioita testataan perusteellisesti sen sijaan, että laajaa tilaa seulottaisiin älykkäästi.

3. Seulo ensin sommitelmatila. Kuvaat kohdetta -

Peruselementtijoukko sekä ominaisuusikkuna, kuten sähkökemiallinen, lämpö- tai termodynaaminen vaatimus – ja MatterSeek palauttaa ennustetut ominaisuusarvot epävarmoimmin kullekin ehdokkaalle. Alusta tukee yhdestä neljään peruselementtiä dopingtason tarkkuudella 0,02, ja ennustus valmistuu noin minuutissa kahdelle peruselementille, kahdessa minuutissa kolmelle ja seitsemässä minuutissa neljälle. Tulos näkyy useiden kiinteistöjen tutkakaavioina, 2D- ja 3D-lämpökarttoina, jotka osoittavat, kuinka ominaisuudet muuttuvat sommittelumaiseman poikki, sekä vietävissä olevissa taulukoissa.

4. Säilytysmateriaaleja koskevat ominaisuudet.

Ennustemoottori kattaa sähkökemialliset, dielektriset, termiset, termodynaamiset ja rakenteelliset ominaisuusperheet, mukaan lukien sulamispiste, kriittinen jäähdytysnopeus amorfoinnissa, Seebeck-kerroin, tehokerroin ja lämpösähköinen arvoluku – kolme viimeistä ovat suoraan tärkeitä lämmönhallinnan ja lämpösähköisten energian muunnosmateriaalien kannalta.

5. Validoi itsenäisessä laboratoriossa.

Ennustetut ehdokkaat virtaavat MatterSeekin 1 200 m²:n autonomiseen laboratorioon, jonka kuuteen prosessiklusteriin kuuluvat tyhjiösulatus nopealla jähmettymisellä, kiinteässä olomuodossa tapahtuva synteesi muodostamalla ja sintraamalla, hydroterminen ja märkäkemian reitit sekä sooli-geeli superkriittisen CO₂-kuivauksen kanssa – reitit, jotka tuottavat huokoisia elektrodeettisia materiaaleja ja elektrodierottimia. Automaattinen karakterisointi kattaa XRD:n, BET-pinta-alan, samanaikaisen lämpöanalyysin ja Ramanin. Mallin tarkkuus on 95,7 %, ja jokainen mitattu tulos palautetaan seuraavan ennustekierroksen kiristämiseksi.

6. Jo käsiteltyjä varastointimateriaaliperheitä ovat kiinteät elektrolyytit,

katodi- ja anodikoostumukset, erotin- ja keraamiset kalvomateriaalit, lämmönhallinta- ja lämpösähköiset materiaalit sekä kiinteän olomuodon vetyä varastoivat metalliseokset – joista viimeiset syötetään suoraan tyhjiösulamis- ja nopeasti jähmettymisklusteriin.

 

FAQ

 

 

K: Voiko MatterSeek seuloa solid-state-elektrolyyttejä?

V: Kyllä. Määrität tarvitsemasi peruskokoonpanon ja ominaisuusikkunan, ja alusta palauttaa paremmuusjärjestykseen sijoitetut ehdokkaat ennustetuilla ominaisuuksilla ja epävarmuudella ennen solun rakentamista.

K: Kuinka nopeasti ennuste suoritetaan?

V: Noin minuutti kahdelle peruselementille, kaksi minuuttia kolmelle ja seitsemän minuuttia neljälle.

K: Käsitteleekö alusta vetyä varastoivia materiaaleja?

V: Kyllä – vetyä varastoivat metalliseokset ovat tyhjiösulatus- ja nopean jähmettymisklusterin käsittelemän metalliseosalueen sisällä.

Yuyao (Beijing) Technology Co., Ltd. on ammattimainen yritys, joka on erikoistunut tekoälyn ja edistyneiden akun ja energian varastoinnin materiaalien risteykseen. Yritys on itsenäisesti kehittänyt MatterSeekin – perustavanlaatuisen materiaalisektorille räätälöidyn suuren mallin – ja uranuurtanut HNN-algoritmin (Hierarchical Neural Network) ja rakentanut samalla omaa, hallittavaa materiaalikokeilutietokantaa.