机器学习用于选择高能酸盐阴极材料
Yongchun Dang1, Zechen Li2, Yongchao Yu1
1National Engineering Research Center of Electric Vehicles, Beijing Co-innovation Centre for Electric Vehicles, Beijing Institute of Technology, Beijing 100081, China.
Research (Washington, D.C.)
|July 30, 2025
概括
机器学习确定了高能量密度离子电池阴极的关键性质. 研究人员合成了一种新材料,Na3Mn0.5V0.5Ti0.5Zr0.5(PO4) 3,表现出卓越的性能.
科学领域:
- 材料科学 材料科学 材料科学
- 电化学 电化学 电化学
- 计算化学的计算化学
背景情况:
- 阴极材料的能量密度有限阻碍了离子电池的采用.
- 了解原子和晶体对能量密度的影响对于材料设计至关重要.
研究的目的:
- 开发一种机器学习方法来识别高能量密度阴极材料.
- 为了加速先进的离子电池材料的合理设计.
主要方法:
- 机器学习模型预测阴极材料属性.
- 确定关键因素:,电负性,分子质量,电子亲和力和离子半径.
- 在sol-gel合成中使用Na3Mn0.5V0.5Ti0.5Zr0.5(PO4) 3 (NMVTZP) 电极.
主要成果:
- 合成的NMVTZP电极在0.1°C时实现了148.27mAhg-1的可逆特异容量.
- 显示平均工作电压为3.14V,能量密度为465Wh kg-1.
- 显示出出色的速率能力,在5°C下保持90.20 mAh g-1.
结论:
- 机器学习有效地识别了用于离子电池的有希望的阴极材料.
- 新型NMVTZP材料显示出高性能储能的巨大潜力.
- 这种方法可以加速下一代离子电池技术的发展.


