社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

#锂离子电池# 【科学家研发锂离子导体,结合机器学习与结构预测,-20240406195318

麻省理工科技评论 • 8 月前 • 469 次点击  

2024-04-06 19:53

#锂离子电池# 【科学家研发锂离子导体,结合机器学习与结构预测,为下一代固态电解质提供新可能性】

“我们研发了一种新型高性能锂离子导体,改变了人们对于快#锂离子导体# 的理解。”英国#利物浦大学# 博士后韩国鹏博士表示。

日前,他和所在团队结合机器学习与结构预测,构建了一种高性能固态电解质的新型设计策略。

研究中,他们利用两种阴离子硫和碘重现了类似于金属间化合物 NiZr 的结构网络,成功合成了一种新型固态电解质 Li7Si2S7I(LSSI),构建了一条利用多种锂离子配位环境的三维锂离子快速传导路径。

不同于其他材料的单一配位环境,LSSI 具有 15 个不同的锂离子位点,其三维锂离子传输路径利用了多用不同的锂离子配位环境,所以它是一种室温锂离子电导率能够罕见地达到传统液态电解质的固体材料。

与此同时,本次研究结合使用机器学习,来识别可能的化学体系并进行排序,通过实验表征、以及计算模拟,课题组分析了传输性能并获得了锂传输的微观路径。

总的来说,本次研究提出了一个全新的材料设计理念,改变了人们对于高性能固态电解质的认识。

为锂离子电池固态电解质这一关键挑战领域开辟了新方向,拓宽了高性能固态电解质的结构化学空间,有望对新材料的发现产生重大影响。

戳链接查看详情:科学家研发锂离子导体,结合机器学习与结构预测,为下一代固态电解质提供新可能性
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/168750
 
469 次点击