深度学习辅助原子级阶段分割,用于诊断离子电池的复杂氧化物阴极.
Dong Zhu1,2,3, Chunyang Wang1, Peichao Zou1
1Department of Physics and Astronomy, University of California Irvine, Irvine, California 92697, United States.
Nano letters
|August 29, 2023
概括
一个新的深度学习工具可以在复杂的电池材料中实现自动化原子对原子相段. 这一突破有助于理解相位转换和开发先进材料.
科学领域:
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
- 化学 化学 化学
背景情况:
- 阶段转换对于材料属性至关重要,但在多相系统中难以分析.
- 传统方法在复杂的阶段细分方面缺乏准确性和效率.
研究的目的:
- 开发一种深度学习工具,用于自动化,原子对原子相位分割.
- 分析离子电池阴极材料中的交织相位域.
主要方法:
- 结合一个硬注意力增强的U-Net网络与几何模拟.
- 使用原子分辨率传输电子显微镜 (AR-TEM).
主要成果:
- 在阴极材料中的多相域的成功自动细分.
- 与传统的阶段细分方法相比,表现出优越的性能.
- 在数量上揭示了电池运行过程中的多个阶段之间的相关性.
结论:
- 深度学习提供了一种强大的方法,可以深入了解复杂材料中的相位转换.
- 开发的工具促进了离子电池的材料开发.
更多相关视频
08:11Failure Analysis of Batteries Using Synchrotron-based Hard X-ray Microtomography
Published on: August 26, 2015
8.9K
11:25Identification and Quantification of Decomposition Mechanisms in Lithium-Ion Batteries; Input to Heat Flow Simulation for Modeling Thermal Runaway
Published on: March 7, 2022
4.6K
