向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

AI找到21种固态电解质用于制造不可燃电池

时间:2017-01-11 作者:Nick Flaherty 阅读:
电解质在电池的正极和负极之间来回传输锂离子。液体电解质的价格便宜,离子的传导效果也非常好,但如果发生电池过热或因穿刺而短路时,可能导致起火……

美国斯坦福大学(Stanford University)的研究人员利用人工智能(AI)技术,辨识出超过20种固态电解质,可望用于取代目前在电池中所使用的挥发性液体。CzIEETC-电子工程专辑

斯坦福大学应用物理学博士候选人Austin Sendek说:“电解质在电池的正极和负极之间来回传输锂离子。液体电解质的价格便宜,离子的传导效果也非常好,但如果发生电池过热或因穿刺而短路时,可能导致起火。而固态电解质的主要优点就是稳定,固态比有机溶剂更不容易发生炸裂或蒸发,而且也更坚硬,能够让电池结构更坚固。”
20170110 AI NT01
尽管经过多年的实验室试验和错误,研究人员至今尚未找到一种在室温下的表现像液体电解质一样的廉价固态材料。因此,研究团队利用AI技术和机器学习的方法,从实验数据中建构可预测模型。他们训练计算机算法来学习如何根据现有数据辨识好的和坏的化合物,就像脸部辨识算法学习在看到几个例子之后就能辨识人脸一样。CzIEETC-电子工程专辑

“目前约有成千上万的已知含锂化合物,其中绝大多数都未经测试。”Sendek指出,“然而,其中有些可能是绝佳的导体。因此,我们开发了一个运算模型,能够从我们现有的有限数据中进行学习,然后再让我们从大量的材料资库中筛选潜在的候选方案——这种方式比目前的筛选方法更快一百万倍。”CzIEETC-电子工程专辑

为了建立模型,Sendek花了两年多的时间收集所有关于含锂固态化合物的科学资料。CzIEETC-电子工程专辑

斯坦福大学材料科学与工程助理教授Evan Reed说:“Austin收集了所有有关这些材料的人类知识,以及许多测量和实验数据,这些数据甚至可追溯到从几十年前开始。他利用这些知识创造了一个模型,可以预测材料是否是一种良好的电解质。这种方法能够筛选出全部的备选材料,以确定最有发展前景的材料,以供后续的研究。”CzIEETC-电子工程专辑

该模型使用几项标准来筛选有发展潜力的材料,包括稳定性、成本、充裕度,以及其导电锂离子和重新路由电子通过电池电路的能力。这些备选材料是在材料在线数据库‘Materials Project’上进行选择;‘Materials Project’是一个能让科学家探索数千种材料的物理和化学特性的在线数据库。CzIEETC-电子工程专辑

Sendek说:“我们筛选了超过12,000种含锂化合物,最终得到了21种有发展潜力的固态电解质。结果只需要花费几分钟的时间进行筛选,而绝大部份的时间基本上都花在收集和策划所有的数据,以及开发可定义模型预测可信度的指标。”CzIEETC-电子工程专辑

研究人员最终计划在实验室中测试21种材料,以确定哪些材料最适合现实世界的条件。CzIEETC-电子工程专辑

“我们所采取的途径有潜力解决许多种材料的问题,并提高在这些领域进行研究投资的效果,”Reed并强调,“随着全世界的数据量增加以及计算机持续进展,我们的创新能力将不断呈指数级成长。因此,无论是电池、燃料电池或其他任何东西,目前在这一领域正是一个真正令人兴奋的时刻。”CzIEETC-电子工程专辑

编译:Susan HongCzIEETC-电子工程专辑

本文授权编译自EE Times,版权所有,谢绝转载CzIEETC-电子工程专辑

EETC wechat barcode


关注最前沿的电子设计资讯,请关注“电子工程专辑微信公众号”。
CzIEETC-电子工程专辑

CzIEETC-电子工程专辑

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Nick Flaherty
EETimes Europe嵌入式技术编辑,自由撰稿人。Nick Flaherty是位于布里斯托尔的自由技术作家、分析师和顾问,他关注半导体和电子市场已有近25年。 他是EETimes Europe的嵌入式编辑,并为世界各地的各种技术贸易出版物撰稿。 他曾工作于Electronics Times和 Electronic Engineering,并在MicroTechnology Europe以及Electronic Product Design担任编辑。他为汽车电子行业和许多跨国半导体公司撰稿。 他还是SouthWest Microelectronics Leadership Group的成员,并积极参与英国西南部的硅芯片和相关技术集群。
您可能感兴趣的文章
  • 研究人员以神经形态芯片打造超灵敏“电子鼻” 英特尔和康乃尔大学的研究人员连手开发一种超灵敏的“电子鼻”(electronic nose)系统,就像最先进的深度学习系统一样,能够准确地“嗅出”10种不同的化学物质…
  • 新科技抗疫:AI、机器人动起来! 目前有哪些新科技被用于对抗新型冠状病毒疫情?这些新兴技术如何用于追踪疫情、防止疫情扩散或是治疗被感染的病患?
  • 现在的智能语音芯片已经开始集成AI专核了 智能音箱、智能家居如今涉足AI领域是个热门话题,到市场上就体现在这类产品的出货量以及厂商的宣传口径上。比较有趣的是,虽然智能音箱的所谓“主控”芯片制造商总在宣传自身的AI属性,绝大部分芯片内部还是鲜有AI专核,或者说神经网络专用计算单元。大概这类边缘设备的AI算力需求,靠CPU或可能包含的GPU就可以达成。
  • 打赢新冠病毒抗疫战要靠AI和大数据 结合Big Data预测分析以及AI和各种传感器,可望有效控制COVID-19疫情扩散以及减少致死病例,凝聚全球打赢这场看不见“敌人”的战“疫”...
  • AI芯片专用好还是通用好?遥想20年前GPU也面临这一抉择 MIT(麻省理工学院)2018年11月曾发表一篇题为《通用技术计算机的衰落:为何深度学习和摩尔定律的终结正致使计算碎片化》的论文。此文详细论述了在摩尔定律放缓的当下,通用处理器的性能和能效比提升速度越来越缓慢,无以承载应用场景对性能的进一步渴求。所以时代开始越来越偏向针对具体应用场景定制专用处理器的路径,唯有具体场景具体定制,才能够让能效比达到极致。
  • 计算迈入新纪元,自定义芯片推动算力下沉 在新兴经济和数字经济的驱动下,因为AI、自动驾驶等新型计算平台对高性价比的算力产生了巨大需求。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告