Batteri & energilagring

Beskrivning
Avskärma elektrolyter, katoder och vätelagringslegeringar genom förutsägelse innan du bygger en cell. MatterSeek förutsäger materialegenskaper från sammansättning. (150)

Batteri- och energilagring — Materialsystem / Förutsägbar prestanda / Valideringsväg
AI för batteri- och energilagringsmaterial – Skärma elektrolyter och elektroder innan du bygger en cell
Den förutsäger materialegenskaper från kemisk sammansättning, så elektrolyter, katoder, anoder, separatorer och vätelagringslegeringar kan rangordnas i mjukvara innan någon cell sätts ihop eller cyklas.
Gränsytans sidoreaktioner, jontransport och termisk stabilitet uppstår först efter att en cell byggts - och varje bygg-och-testcykel är långsam och dyr. Resultatet är en utvecklingsslinga där en handfull formuleringar testas uttömmande istället för att ett brett utrymme avskärmas intelligent.
En baselementuppsättning plus ett egenskapsfönster såsom ett elektrokemiskt, termiskt eller termodynamiskt krav - och MatterSeek returnerar förutsagda egenskapsvärden med osäkerhet för varje kandidat. Plattformen stöder ett till fyra baselement med en dopingnivåprecision på 0,02, och förutsägelsen slutförs på cirka en minut för två baselement, två minuter för tre och sju minuter för fyra. Utdata visas som radardiagram för flera fastigheter, 2D- och 3D-värmekartor som visar hur egenskaperna skiftar över kompositionslandskapet och exporterbara tabeller.
Förutsägelsemotorn täcker elektrokemiska, dielektriska, termiska, termodynamiska och strukturella egenskapsfamiljer, inklusive smältpunkt, kritisk kylningshastighet för amorfisering, Seebeck-koefficient, effektfaktor och termoelektrisk värde av merit - de tre sista är direkt relevanta för termisk hantering och termoelektriska energiomvandlingsmaterial.
Förutspådda kandidater flödar in i MatterSeeks 1 200 m² autonoma laboratorium, vars sex processkluster inkluderar vakuumsmältning med snabb stelning, solid state-syntes med formning och sintring, hydrotermiska och våtkemiska vägar, och sol-gel med superkritisk CO₂-torkning - vägarna som producerar elektrolytpulver och porösa elektrolyter. Automatiserad karakterisering täcker XRD, BET-yta, simultan termisk analys och Raman. Modellnoggrannheten ligger på 95,7 %, och varje uppmätt resultat återkopplas för att strama åt nästa förutsägelseomgång.
katod- och anodsammansättningar, separator- och keramiska membranmaterial, termisk hantering och termoelektriska material och fasta vätelagringslegeringar - varav den sista matas direkt in i vakuumsmältnings- och snabbstelnande klustret.
FAQ
F: Kan MatterSeek skärma fasta elektrolyter?
A: Ja. Du definierar bassammansättningen och egenskapsfönstret du behöver, och plattformen returnerar rankade kandidater med förutspådda egenskaper och osäkerhet innan någon cell byggs.
F: Hur snabbt körs en förutsägelse?
S: Ungefär en minut för två baselement, två minuter för tre och sju minuter för fyra.
F: Hanterar plattformen vätelagringsmaterial?
S: Ja – vätelagringslegeringar ligger inom metalllegeringsräckvidden som hanteras av vakuumsmältnings- och snabbstelningsklustret.
Yuyao (Beijing) Technology Co., Ltd. är ett professionellt företag specialiserat på skärningspunkten mellan AI och avancerade material för batteri- och energilagring. Företaget har självständigt utvecklat MatterSeek – en grundläggande stor modell skräddarsydd för materialsektorn – och banat väg för HNN (Hierarchical Neural Network)-algoritmen, samtidigt som de byggde upp en egenutvecklad, kontrollerbar materialexperimentdatabas.

