美国国家加速器实验室 一种新的识别锂离子电池阴极粒子的计算机视觉算法已经帮助研究人员跟踪阴极随时间的退化
信用:刘一金/SLAC国家加速器实验室 随着时间的推移，锂离子电池会失去其能量，这使得科学家和工程师努力工作来详细了解这一过程
现在，美国能源部SLAC国家加速器实验室的科学家已经将复杂的机器学习算法与x光断层扫描数据结合起来，制作出一幅电池组件阴极在使用过程中退化的详细图像
这项新的研究发表在5月8日的《自然通讯》上，主要关注如何更好地观察由镍锰钴或NMC制成的阴极的情况
在这些阴极中，NMC粒子被一个导电的碳基体结合在一起，研究人员推测性能下降的一个原因可能是粒子脱离了该基体
该团队的目标是将SLAC的斯坦福同步辐射光源(SSRL)和欧洲同步辐射设施(ESRF)的尖端能力结合起来，对NMC粒子如何分裂和脱离母体以及这可能如何导致性能损失进行全面的描述
当然，对人类来说，仅仅通过观察NMC阴极的照片来了解发生了什么是一项艰巨的任务，所以研究小组转向了计算机视觉，这是机器学习算法的一个分支，最初设计用于扫描图像或视频，识别和跟踪像狗或汽车这样的物体
即使在那时，也有挑战
计算机视觉算法通常专注于由亮线或暗线定义的边界，所以它们很难区分粘在一起的几个小NMC粒子和一个大的但部分断裂的粒子；对大多数计算机视觉系统来说，这些裂缝看起来像是干净的裂缝
为了解决这个问题，该团队使用了一种算法来处理分层对象——例如，拼图玩具，尽管它是由许多独立的部分组成的，但我们认为它是一个完整的实体
有了研究人员自己的输入和判断，他们训练了这种算法来区分不同种类的粒子，从而开发了一个三维图像，显示NMC粒子，无论大小，断裂与否，是如何从阴极脱离的
他们发现，从碳基质中分离出来的颗粒确实对电池的衰退有很大的影响，至少在消费电子产品，如智能手机中常见的情况下是如此
第二，尽管大的NMC粒子更有可能被损坏并脱离，但也有相当多的小粒子脱离，总体而言，小粒子的行为方式有更多的变化，SLAC大学的一名研究员、这篇新论文的资深作者刘一金说
刘说，这一点很重要，因为研究人员通常认为，通过使电池颗粒变小，他们可以制造出更耐用的电池——这项新研究表明，这可能不那么简单
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
