Skladištenje baterija i energije

Opis
Pregledajte elektrolite, katode i legure za skladištenje vodonika predviđanjem prije nego što napravite ćeliju. MatterSeek predviđa svojstva materijala iz sastava. (150)

Baterije i skladištenje energije — Sistem materijala / Predvidljive performanse / Put provjere
AI za baterije i materijale za pohranu energije — ekranizirajte elektrolite i elektrode prije nego što napravite ćeliju
Predviđa svojstva materijala na osnovu hemijskog sastava, tako da se elektroliti, katode, anode, separatori i legure za skladištenje vodonika mogu rangirati u softveru pre nego što se bilo koja ćelija sastavi ili ciklusa.
Međufazne nuspojave, jonski transport i termička stabilnost javljaju se tek nakon što je ćelija izgrađena — a svaki ciklus izgradnje i testiranja je spor i skup. Rezultat je razvojna petlja u kojoj se šačica formulacija iscrpno testira umjesto da se širok prostor inteligentno pregleda.
Skup osnovnih elemenata plus prozor svojstava kao što su elektrohemijski, termalni ili termodinamički zahtjevi — i MatterSeek vraća predviđene vrijednosti svojstava sa nesigurnošću za svakog kandidata. Platforma podržava jedan do četiri osnovna elementa sa preciznošću doping nivoa od 0,02, a predviđanje se završava za oko jedan minut za dva osnovna elementa, dva minuta za tri i sedam minuta za četiri. Izlaz se pojavljuje kao radarski grafikoni sa više svojstava, 2D i 3D toplotne mape koje pokazuju kako se svojstva mijenjaju kroz pejzaž kompozicije i tabele koje se mogu izvesti.
Mehanizam za predviđanje pokriva familije elektrohemijskih, dielektričnih, termičkih, termodinamičkih i strukturnih svojstava, uključujući tačku topljenja, kritičnu brzinu hlađenja za amorfizaciju, Seebeck koeficijent, faktor snage i termoelektričnu vrijednost — posljednja tri su direktno relevantna za materijale za upravljanje toplinom i termoelektričnu konverziju energije.
Predviđeni kandidati ulaze u MatterSeek-ovu autonomnu laboratoriju od 1.200 m², čijih šest procesnih grupa uključuje vakuumsko topljenje sa brzim očvršćavanjem, sintezu u čvrstom stanju sa formiranjem i sinterovanjem, hidrotermalne i vlažne hemijske puteve, i sol-gel sa superkritičnim sušenjem CO₂ - puteve koji proizvode elektroporozu i odvajaju elektroporode u prahu. materijala. Automatska karakterizacija pokriva XRD, BET površinu, simultanu termičku analizu i Raman. Preciznost modela iznosi 95,7%, a svaki izmjereni rezultat se vraća kako bi se pooštrio sljedeći krug predviđanja.
katodne i anodne kompozicije, materijali separatora i keramičkih membrana, termoelektrični i termoelektrični materijali i legure za skladištenje vodonika u čvrstom stanju — od kojih se posljednje ulaze direktno u klaster vakuumskog topljenja i brzog skrućivanja.
FAQ
P: Može li MatterSeek pregledati elektrolite u čvrstom stanju?
O: Da. Vi definirate osnovnu kompoziciju i prozor svojstava koji su vam potrebni, a platforma vraća rangirane kandidate sa predviđenim svojstvima i nesigurnošću prije nego što se izgradi bilo koja ćelija.
P: Koliko brzo se izvršava predviđanje?
O: Otprilike jedan minut za dva osnovna elementa, dva minuta za tri i sedam minuta za četiri.
P: Da li platforma podnosi materijale za skladištenje vodonika?
O: Da — legure za skladištenje vodonika nalaze se unutar opsega metalne legure kojim rukuje klaster za vakuumsko topljenje i brzo očvršćavanje.
Yuyao (Beijing) Technology Co., Ltd. je profesionalna kompanija specijalizirana za ukrštanje AI i naprednih materijala za skladištenje baterija i energije. Kompanija je samostalno razvila MatterSeek—temeljni veliki model prilagođen sektoru materijala—i uvela je algoritam HNN (Hierarchical Neural Network), dok je izgradila vlasničku bazu podataka eksperimenta materijala kojom se može kontrolirati.

