2024年12月10日 · 锂金属电池企业 SES AI 也宣布将联手科技公司 NVIDIA、Crusoe 和 Supermicro,加速电池新材料研发,计划使用为 AI 优化的高性能超级计算机,绘制小分子数据库,从而提升对电池化学体系的理解,加快发展能量存储解决方案。
2024年7月23日 · 针对电解液设计面临的难题,化工系陈翔/张强团队提出了"人工智能设计锂电池电解液"的新方法,从分子生成、高通量计算与数据库构建、人工智能设计与实验验证三个方面入手,实现先进的技术电解液的高效设计。
3 天之前 · AI模型借助实验数据预测和优化电池组件,提升电池稳定性和安全方位性。 在电池表征测试中,AI能够预测电池寿命,提高制造一致性并降低成本,展示出优化生产工艺中的潜力。
2024年11月25日 · 全方位固态电池已被公认为下一代电池的首选方案之一,向低碳化、智能化和固态化发展已经成为当前新能源领域前沿研究方向。 构筑低阻抗和高稳定的固固界面是提升固态锂电池循环性能的基础科学问题。
2024年7月10日 · 在AI for Science时代,电池设计自动化智能研发 (battery design automation,BDA)平台通过整合先进的技术的人工智能技术,为电池研发领域带来了革命性进展。 BDA平台覆盖了文献调研、实验设计、合成制备、表征测试和分析优化这五个电池研发的关键环节,利用机器学习、多尺度建模、预训练模型等先进的技术算法,结合软件工程开发用户交互友好的工
2024年9月23日 · 通过定制电池设计,4680 电池能量密度显着提高,凸显了电池规模标准化的重要性。 该框架的模块化使其能够应用于各种先进的技术材料制造场景。 锂离子电池用于各种应用,需要定制电池设计以提高性能。 优化电极制造参数是实现这一目标的关键途径,因为这些参数直接影响电池的微观结构和性能。 然而,将工艺参数与性能联系起来很复杂,并且实验或建模活动通常缓
2024年4月17日 · 作者详细介绍了智能电池的定义、特性和功能,并根据电池具备智能功能的特点,将其分为实时感知型智能电池、动态响应型智能电池与自主决策型智能电池三代发展体系,并对智能功能的作用机制进行了详细讨论。
2024年10月11日 · 本文介绍的基于大数据的研究思路和研究模式,结合新兴的机器学习技术,能够有效加速新型电池材料的设计和开发进程,深化对电池内部复杂物理化学现象的理解,为设计实用的新型固态电池材料赋能。
2024年10月10日 · 本工作通过引入AI技术,特别是机器学习,探索和优化液流电池的设计与性能,验证了AI在液流电池研究中的应用价值和潜力。 研究表明,AI技术在提升设计效率和优化性能预测方面具有显著优势。
2024年10月22日 · 本文将介绍BDA电池平台化智能研发涵盖电池研发阶段从文献调研到实验设计、合成制备、表征测试,再到分析优化的全方位流程。 从当前各个研发阶段的瓶颈出发,举例说明AI技术方法以及当下发展的平台化产品工具如何突破瓶颈并提高研发效率,加速从实验室研发