Bateria i emmagatzematge d'energia

Descripció
Escriu electròlits, càtodes i aliatges d'emmagatzematge d'hidrogen per predicció abans de construir una cèl·lula. MatterSeek prediu les propietats del material a partir de la composició. (150)

Bateria i emmagatzematge d'energia — Sistema de materials / Rendiment previsible / Via de validació
IA per a materials d'emmagatzematge de bateries i energia: electròlits i elèctrodes de pantalla abans de construir una cèl·lula
Preveu les propietats dels materials a partir de la composició química, de manera que els electròlits, càtodes, ànodes, separadors i aliatges d'emmagatzematge d'hidrogen es poden classificar al programari abans que qualsevol cèl·lula es munti o cicli.
Les reaccions laterals interfacials, el transport iònic i l'estabilitat tèrmica sorgeixen només després de construir una cèl·lula, i cada cicle de construcció i prova és lent i costós. El resultat és un bucle de desenvolupament on un bon grapat de formulacions es posen a prova de manera exhaustiva en lloc d'un ampli espai que s'ha de seleccionar de manera intel·ligent.
Un conjunt d'elements base més una finestra de propietats, com ara un requisit electroquímic, tèrmic o termodinàmic, i MatterSeek retorna els valors de propietat predits amb incertesa per a cada candidat. La plataforma admet d'un a quatre elements bàsics amb una precisió de nivell de dopatge de 0,02 i la predicció es completa en aproximadament un minut per a dos elements bàsics, dos minuts per a tres i set minuts per a quatre. La sortida apareix com a gràfics de radar multipropietat, mapes de calor 2D i 3D que mostren com canvien les propietats a través del paisatge de composició i taules exportables.
El motor de predicció cobreix famílies de propietats electroquímiques, dielèctriques, tèrmiques, termodinàmiques i estructurals, inclòs el punt de fusió, la velocitat de refrigeració crítica per a l'amorfització, el coeficient Seebeck, el factor de potència i la figura de mèrit termoelèctric, els tres últims són directament rellevants per a la gestió tèrmica i els materials de conversió d'energia termoelèctrica.
Els candidats previstos flueixen al laboratori autònom de 1.200 m² de MatterSeek, els sis grups de processos del qual inclouen la fusió al buit amb solidificació ràpida, síntesi d'estat sòlid amb formació i sinterització, rutes hidrotèrmiques i de química humida i sol-gel amb assecat de CO₂ supercrític: les rutes que produeixen materials d'elèctrodes i pols d'elèctrodes sòlids. La caracterització automatitzada cobreix XRD, superfície BET, anàlisi tèrmica simultània i Raman. La precisió del model és del 95,7% i cada resultat mesurat es retroalimenta per endurir la següent ronda de predicció.
composicions de càtodes i ànodes, separadors i materials de membrana ceràmica, materials termoelèctrics i de gestió tèrmica i aliatges d'emmagatzematge d'hidrogen en estat sòlid, l'últim dels quals s'alimenta directament al clúster de fusió al buit i solidificació ràpida.
Preguntes freqüents
P: MatterSeek pot filtrar electròlits d'estat sòlid?
A: Sí. Definiu la composició base i la finestra de propietats que necessiteu, i la plataforma retorna candidats classificats amb propietats previstes i incertesa abans de crear qualsevol cel·la.
P: Què tan ràpid és una execució de predicció?
R: Al voltant d'un minut per a dos elements bàsics, dos minuts per a tres i set minuts per a quatre.
P: La plataforma gestiona materials d'emmagatzematge d'hidrogen?
R: Sí: els aliatges d'emmagatzematge d'hidrogen es troben dins de l'abast de l'aliatge metàl·lic gestionat pel clúster de fusió al buit i solidificació ràpida.
Yuyao (Beijing) Technology Co., Ltd. és una empresa professional especialitzada en la intersecció d'IA i materials avançats d'emmagatzematge de bateries i energia. L'empresa ha desenvolupat de manera independent MatterSeek, un gran model fundacional adaptat al sector dels materials, i va ser pionera en l'algorisme HNN (Xarxa Neural Jeràrquica), alhora que creava una base de dades d'experiment de materials controlable i patentada.

