清华张强Angew综述:将机器学习应用于从微型到宏观的可充电池 科研小搬砖 • 2023年10月29日 下午5:39 • 电池顶刊, 顶刊解读 • 阅读 27 新兴的机器学习(ML)方法广泛应用于化学和材料科学研究,并正在构建数据驱动的研究范式。 清华大学张强等人在此综述总结了ML在可充电池中从微型到宏观的应用。 具体而言,ML提供了一种新兴策略来探索密度泛函理论计算的新功能和分子动力学模拟的新潜力,预计将显着增强与界面或非晶结构有关的具有挑战性的描述。 此外,ML具有从实验和理论数据集中挖掘和揭示有价值信息的巨大潜力。因此可以建立定量的“结构-功能”相关性,其应用包括预测固体的离子电导率以及预测电池寿命。 ML在策略优化方面也表现出很大的优势,比如快充协议。最后,提供了对多尺度模拟、实验和机器学习未来组合的展望,并强调了人类在数据驱动研究范式中的作用。 图1. 电池研究的三种方法:实验、理论和数据工具 图2. 机器学习在不同长度和时间尺度电池研究中的应用 Applying Machine Learning in Rechargeable Batteries from Microscale to Macroscale. Angewandte Chemie International Edition 2021. DOI: 10.1002/anie.202107369 声明:如需转载请注明出处(华算科技旗下资讯学习网站-学术资讯),并附有原文链接,谢谢! 电池 赞 (0) 0 生成海报 关于作者 科研小搬砖 关注 3.2K 文章 0 粉丝 这个人很勤奋,每天都在更新~ 余彦/陈俊松AFM:良好排列的金字塔形SbSn合金纳米阵列助力稳健的钠储存 上一篇 2023年10月29日 下午5:39 王春生Angew:利用亲锌-疏锌界面层和间断氢键电解质实现高可逆水系锌电池 下一篇 2023年10月29日 下午5:40 相关推荐 宁波东方理工大学孙学良院士团队长期招聘固态电池方向博士后/研究员/工程师/助理工程师 2025年9月8日 晶体缺陷从入门到精通:原理、方法与储能应用实例 2025年8月29日 高功率长寿命 vs 高能量密度:电化学电容器与电池的储能机理与性能对比 2025年8月25日 电池大佬-王春生Nature Energy:自适应性电解质实现快充电池 2025年7月30日 上海大学施思齐最新AM:利用混合离子关联电化学实现高性能水系锌离子电池 2025年7月29日 锂系电池的分类与前沿应用 2025年7月29日