Npj Comput. Mater.: 锂离子阴极成分和状态预测：卷积神经网络
知社学术圈
2024-11-12 11:30
文章摘要
本文介绍了韩国科学技术院Seunghum Hong教授团队开发的一种基于卷积神经网络（CNN）的预测模型，用于分析锂离子电池（LIB）阴极材料的成分和状态。该模型通过训练扫描电子显微镜（SEM）图像，能够准确分类Li(Ni, Co, Mn)O2（NCM）阴极的主要组成和不同循环状态。研究结果显示，该模型的分类准确率高达99.6%，远超领域专家的30%准确率。此外，该模型还展示了在未训练的含有功能添加剂的阴极材料上的适用性，成分预测准确率为96%，循环状态预测准确率为34.17%。这项研究加速了LIB材料的研究和开发，特别是在电动汽车和能源储存系统中的应用。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
京公网安备 11010802042870号
京ICP备2023020795号-1
