使用对称细胞人工智能诊断 (SAID) 解码金属电池退化
Bo-Bo Zou1, Kun-Yu Liu1, Yu Yan1
1Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu, Sichuan, 611731, China.
Advanced materials (Deerfield Beach, Fla.)
|November 29, 2025
概括
一个新的AI工具,对称细胞人工智能诊断 (SAID),使用对称细胞数据准确地预测金属阳极降解. 它确定了影响长期电池性能和极化加速的关键因素.
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
- 人工智能的人工智能
背景情况:
- 金属阳极降解是电池技术中的一个关键挑战.
- 不对称细胞中的交叉效应使对电极特异性降解的分析变得复杂.
- 对称的电池配置允许单个电极贡献的隔离.
研究的目的:
- 开发一种人工智能驱动的诊断工具,用于破译金属阳极降解.
- 为了利用早期周期的-对称细胞数据进行预测分析.
- 识别关键的降解指纹及其对电池长期性能的影响.
主要方法:
- 开发一个对称细胞人工智能诊断 (SAID) 工具.
- 使用早期周期的-对称细胞数据作为输入.
- 通过实验分析和应用于全细胞的SAID预测的验证.
主要成果:
- SAID准确地预测了极化加速 (肘部点) 的平均绝对百分比误差为13.3%.
- 该研究发现了一种持久的,与初始核形成相关的指纹,影响长期细胞两极分化.
- 这些发现经过实验验证,并被证明可以在全细胞中的不同电解质中应用.
结论:
- SAID为金属阳极降解机制提供了宝贵的见解.
- 人工智能方法为电池设计和理解隐藏的化学相关性提供了一种强大的方法.
- 这项工作通过更准确的降解预测和分析,推动了储能领域的发展.


