斯坦福大学
艺术家通过结合机器学习、X射线和电子显微镜分析的粒子再现
鸣谢:Ella Maru工作室 今天的充电电池是一个奇迹，但远非完美
最终，它们都会磨损，导致昂贵的更换和回收
"但是如果电池是不可摧毁的呢？"斯坦福大学材料科学与工程副教授William Chueh问道，他是一篇新论文的资深作者，该论文详细介绍了一种首当其冲的制造更好电池的分析方法，有助于加快这一天的到来
这项研究发表在《自然材料》杂志上
论文主要作者邓海涛博士
D
21日，劳伦斯伯克利国家实验室，麻省理工学院和其他研究机构的合作者利用人工智能分析新的原子级显微图像，以了解电池损耗的确切原因
他们说，最终，这一发现可能会使电池的寿命比现在长得多
具体来说，他们研究了一种基于所谓LFP材料的特殊类型的锂离子电池，这种电池可能会导致大众市场的电动汽车，因为它不使用供应链受限的化学品
纳米断裂 “把电池想象成一个陶瓷咖啡杯，当它加热和冷却时会膨胀和收缩
这些变化最终会导致陶瓷出现瑕疵，”他解释道
“每次充电时，可充电电池中的材料都会发生同样的变化，然后耗尽电能，导致电池失效
" 他指出，在电池中，导致裂缝的不是温度，而是每次充电时材料之间的机械张力
“不幸的是，我们对原子结合的纳米尺度上发生的事情知之甚少，”他说
“这些新的高分辨率显微镜技术让我们能够看到它，人工智能帮助我们了解正在发生的事情
第一次，我们可以在单个纳米尺度上观察和测量这些力
" Chueh说，任何给定材料的性能都是其化学和原子尺度的材料中的物理相互作用的函数，他称之为“化学力学”
“此外，物体变得越小，组成材料的原子越多样化，就越难预测材料的行为
输入AI
变革的工具 使用人工智能进行图像分析并不新鲜，但用它来研究最小尺度的原子相互作用才是新鲜事
在医学领域，人工智能已经成为一种变革性的工具，用于分析从有缺陷的膝盖到致命癌症的各种图像
与此同时，在材料科学领域，高分辨率X射线、电子和中子显微镜的新方法使得纳米尺度的直接可视化成为可能
对于他们的主题，该团队选择了磷酸铁锂或“LFP”，这是一种用于正极的知名材料，在电动汽车制造商和其他电池密集型企业中越来越受欢迎
这种电极不含钴和镍，而钴和镍在许多市售电池中使用
LFP电池也更安全，尽管它们每磅的电量更少
尽管LFP已经被研究了20年，但两个关键的未解决的技术问题直到现在还只能猜测
第一是了解材料在充放电时的弹性和变形
第二个是关于它如何在LFP部分稳定或“亚稳定”的特定状态下膨胀和收缩
" 邓第一次用他的图像学习技术帮助解释了这两种现象，他将这种技术应用于一系列由扫描透射电子显微镜产生的二维图像，以及先进的X射线图像
他说，这些发现对电池的容量、能量保持率和倍率都很重要
更好的是，他认为这可以推广到大多数也可能成为良好电极的晶体材料
“人工智能可以帮助我们理解这些物理关系，这些关系是预测新电池性能的关键，它在现实世界中的可靠性如何，以及材料如何随着时间的推移而退化，”邓说
新方向 他称邓为“学术企业家”
“他的背景是化学家，但他自学了人工智能的细微差别，以应对这一挑战
邓说，这种方法是一种“逆向学习”的形式，其中结果是已知的——退化的LFP的高分辨率静止图像——人工智能帮助重建物理学，以解释它是如何形成的
反过来，这些新知识成为改进材料的基础
邓指出，以前的非人工智能研究阐明了机械应力如何影响电极耐久性的相关性，但这种新方法提供了一种令人兴奋的方式和动力，以发展对力学的更基本理解
接下来，研究人员表示，他们已经在工作，将他们的技术应用于阐明原子水平上有前途的新电池设计
一个成果可能是新的电池控制软件，它可以管理充电和放电，从而延长电池寿命
另一个令人兴奋的途径是开发更精确的计算模型，使电池工程师能够在计算机上而不是在实验室里探索替代电极材料
“这项工作已经在进行中，”他说
“人工智能可以帮助我们以新的方式看待旧材料，也许可以从一些未知的材料中识别出一些有前途的替代品
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
