• 采购项目
  • 配套企业库
  • 销量查询
  • 盖世汽车社区
  • 盖邦PLUS来袭
  • 2020第二届自动驾驶地图与定位大会
  • 金辑奖2020
  • 2020第三届光+智能驾驶技术高峰论坛
  • 盖世大学堂
  • 中国汽研-特斯拉
当前位置:首页 > 智能网联 > 正文

英国利用机器学习技术研究电池微观结构 以设计性能更佳的电池

盖世汽车 余秋云 2020-08-01 09:33:36
核心提示:有时要先详细了解电池,才能提升电池的性能。这里的详细则指电池的微观结构。

盖世汽车讯 据外媒报道,英国帝国理工学院(Imperial College London)的研究人员展示了机器学习可以如何帮助设计出性能更好的锂离子电池和燃料电池。此种新型机器学习算法让研究人员们能够探索燃料电池和锂离子电池微观结构的可能设计,然后运行3D仿真模型,帮助研究人员做出提升电池性能的改变。

黑科技,前瞻技术,电池,电池,机器学习电池,锂离子电池

(图片来源:techxplore.com)

性能的提升包括让智能手机充电速度更快、延长电动汽车的续航里程、增加数据中心氢燃料电池的功率等。

燃料电池可以利用由风能和太阳能等产生的清洁氢燃料,以产生热量和电力,而智能手机、笔记本电脑和电动汽车中的锂离子电池也是一种很受欢迎的能源存储方式。两者的性能都与其微观结构密切相关:电池内部小孔的形状和排列方式都会影响到燃料电池产生的能量以及电池的充放电速度。

不过,由于此类小孔的尺寸为微米级,非常小,在分辨率足够高的条件下研究此类小孔的特定形状和尺寸,以将其与电池的整体性能联系起来,可能会非常困难。

现在,帝国理工学院的研究人员已经利用机器学习技术来帮助他们以虚拟方式探索此类小孔,并运行3D仿真模型,基于电池的微观结构,预测其性能。

黑科技,前瞻技术,电池,电池,机器学习电池,锂离子电池

(图片来源:帝国理工学院)

研究人员采用一种称为“深度卷积生成对抗网络”(DC-GANs)的新型机器学习技术,基于从同步加速器(一种足球场大小的粒子加速器)的纳米级成像中获得的训练数据,学习生成电池微观结构的3D图像数据。

该研究的首席作者、帝国理工学院地球科学与工程系的Andrea Gayon-Lombardo表示:“我们的技术帮助我们放大电池和电芯,以观察哪些特性会影响整体性能。研发此种基于图像的机器学习技术可以为分析此种尺寸的图像提供新方法。”

当运行3D仿真模型以预测电池性能时,研究人员需要足够大的数据量,在统计学上代表整个电池。目前很难获取分辨率达标的大量微观结构的图像数据。不过,研究人员发现,可以通过训练代码来生成具有相同属性、更大的数据集,或者有意地生成结构,此种结构能够建立性能更佳电池的模型。

通过限制其算法只产生目前可以实现生产的结果,研究人员希望能够将技术应用到电池制造中,为下一代电池设计得到优化的电极。

*特别声明:本文为技术类文章,禁止转载或大篇幅摘录!违规转载,法律必究。

本文地址:https://auto.gasgoo.com/news/202008/1I70191813C601.shtml

文章标签: 黑科技 前瞻技术 电池

0

好文章,需要你的鼓励