Bateria e armazenamento de energia

img-mv26vqxh-8161bd9a

 

Descrição


Filtre eletrólitos, cátodos e ligas de armazenamento de hidrogênio por previsão antes de construir uma célula. MatterSeek prevê propriedades de materiais a partir da composição. (150)

 

279

Bateria e armazenamento de energia - Sistema de materiais / Desempenho previsível / Caminho de validação

 

 

 

 

 

IA para baterias e materiais de armazenamento de energia – tela de eletrólitos e eletrodos antes de construir uma célula

 

 

1. MatterSeek é uma plataforma de P&D de materiais de IA para desenvolvimento de baterias e armazenamento de energia.

Ele prevê as propriedades do material a partir da composição química, de modo que eletrólitos, cátodos, ânodos, separadores e ligas de armazenamento de hidrogênio podem ser classificados no software antes de qualquer célula ser montada ou ciclada.

2. O desenvolvimento da bateria é prejudicado pela lacuna entre a intenção do projeto e o desempenho mensurável.

As reações colaterais interfaciais, o transporte iônico e a estabilidade térmica surgem somente depois que a célula é construída – e cada ciclo de construção e teste é lento e caro. O resultado é um ciclo de desenvolvimento onde um punhado de formulações são testadas exaustivamente, em vez de um amplo espaço ser analisado de forma inteligente.

3. Faça uma triagem do espaço de composição primeiro. Você descreve um alvo -

Um conjunto de elementos base mais uma janela de propriedades, como um requisito eletroquímico, térmico ou termodinâmico — e o MatterSeek retorna valores de propriedades previstos com incerteza para cada candidato. A plataforma suporta de um a quatro elementos base com precisão de nível de dopagem de 0,02, e a previsão é concluída em cerca de um minuto para dois elementos base, dois minutos para três e sete minutos para quatro. A saída aparece como gráficos de radar de múltiplas propriedades, mapas de calor 2D e 3D que mostram como as propriedades mudam no cenário de composição e tabelas exportáveis.

4. Propriedades relevantes para materiais de armazenamento.

O mecanismo de previsão abrange famílias de propriedades eletroquímicas, dielétricas, térmicas, termodinâmicas e estruturais, incluindo ponto de fusão, taxa crítica de resfriamento para amorfização, coeficiente de Seebeck, fator de potência e valor de mérito termoelétrico - sendo os três últimos diretamente relevantes para gerenciamento térmico e materiais de conversão de energia termoelétrica.

5. Validar em laboratório autónomo.

Os candidatos previstos fluem para o laboratório autônomo de 1.200 m² da MatterSeek, cujos seis grupos de processos incluem fusão a vácuo com solidificação rápida, síntese de estado sólido com formação e sinterização, rotas hidrotérmicas e de química úmida e sol-gel com secagem supercrítica de CO₂ - as rotas que produzem pós de eletrodos, eletrólitos sólidos e materiais separadores porosos. A caracterização automatizada abrange XRD, área superficial BET, análise térmica simultânea e Raman. A precisão do modelo é de 95,7% e cada resultado medido é realimentado para reforçar a próxima rodada de previsão.

6. As famílias de materiais de armazenamento já abordadas incluem eletrólitos sólidos,

composições de cátodo e ânodo, materiais separadores e de membrana cerâmica, materiais de gerenciamento térmico e termoelétricos e ligas de armazenamento de hidrogênio em estado sólido - o último dos quais alimenta diretamente o cluster de fusão a vácuo e solidificação rápida.

 

Perguntas frequentes

 

 

P: O MatterSeek pode filtrar eletrólitos de estado sólido?

R: Sim. Você define a composição base e a janela de propriedades necessárias, e a plataforma retorna candidatos classificados com propriedades previstas e incerteza antes de qualquer célula ser construída.

P: Qual é a velocidade de execução de uma previsão?

R: Cerca de um minuto para dois elementos básicos, dois minutos para três e sete minutos para quatro.

P: A plataforma lida com materiais de armazenamento de hidrogênio?

R: Sim – as ligas de armazenamento de hidrogênio ficam dentro do escopo da liga metálica tratado pelo cluster de fusão a vácuo e solidificação rápida.

Yuyao (Pequim) Technology Co., Ltd. é uma empresa profissional especializada na interseção de IA e materiais avançados de bateria e armazenamento de energia. A empresa desenvolveu de forma independente o MatterSeek – um grande modelo básico adaptado ao setor de materiais – e foi pioneira no algoritmo HNN (Rede Neural Hierárquica), ao mesmo tempo em que construiu um banco de dados proprietário e controlável de experimentos de materiais.