数据驱动的智能碳化将多样化的生物质统一为高性能硬碳负电极

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
• 可持续能源 可持续能源

背景情况:

• 高性能硬碳对可持续电池至关重要,但受到生物质原料变化和复杂的加工结构-性能关系的限制.
• 目前的方法很难有效地控制碳化和微观结构,以获得最佳的电化学性能.

研究的目的:

• 开发一种加速和智能化战略,用于发现和优化生物质衍生硬碳.
• 从各种生物质资源中建立一个以数据为中心的方法来制造性能统一的硬碳电极.

主要方法:

• 实现"智能碳化",将可编程的焦尔加热 (1000-2000°C,10-60秒) 与机器学习相结合.
• 绘制1000多条合成路径并分析多维特征空间.
• 识别与性能相关的预测能力的因素,补充传统的图形描述符.

主要成果:

• 发现一种与性能相关的新型因素,用于预测硬碳容量.
• 制造具有369 mAh g-1可逆容量的先进硬碳,高速率能力和出色的循环稳定性 (>5000个循环在3 A g-1).
• 证明低成本,智能制造生物质衍生硬碳与最小的能量输入 (0.1千瓦时g-1).

结论:

• 智能碳化显著加快了生物质衍生硬碳的优化.
• 开发的战略使得从各种生物质中低成本大规模生产统一硬碳电极成为可能.
• 这种方法为可持续的储能解决方案中生物质的实际利用铺平了道路.