XiaoMi-AI文件搜索系统
World File Search System池化
大规模储能的未来竞争电池化学
随着净零排放定于2050年将在欧盟实现的净零排放，从基于化石的能源到更多可再生和绿色期权的过渡正在扩大。由于这些能源的间歇性质，这给电网带来了压力。用于减轻该电池系统的使用，其中锂离子电池是最普遍的，并且预计只会增加使用。然而，物质资源的问题和过度依赖一项技术的可能危险已经开放，以寻找可以使用的其他替代方案，或者与电池结合使用。在一长串电池中，镍氢电池，锌 - 溴化物流量电池和铁空气电池都是有潜力的三个替代方案。对他们的适用性进行了研究，并讨论了各种网格应用。的结果表明，在这三个中，只有镍氢电池具有明确的竞争力，锌 - 溴化物流量电池几乎没有任何东西，而且铁空气电池的潜力很大，但围绕其未来的不确定性也很大。最后，研究了一个特定的离岸风园案例，以查看与特定的锂离子化学相比，镍氢电池的实用性和竞争力。
精准度与泛化度的结合：通过预训练的 DenseNet 结合全局平均池化和超参数调整来增强脑肿瘤分类
脑肿瘤死亡率高，治疗选择有限，是全球重大健康问题。这些肿瘤是由脑内细胞异常生长引起的，大小和形状各异，因此，对于医疗专业人员来说，通过磁共振成像 (MRI) 扫描手动检测它们是一项主观且具有挑战性的任务，因此需要自动化解决方案。本研究探讨了深度学习（特别是 DenseNet 架构）自动化脑肿瘤分类的潜力，旨在提高临床应用的准确性和通用性。我们利用了 Figshare 脑肿瘤数据集，该数据集包含 233 名患者的 3,064 张 T1 加权增强 MRI 图像，这些患者患有三种常见肿瘤类型：脑膜瘤、神经胶质瘤和垂体瘤。使用来自 ImageNet 的迁移学习评估了四种预训练的深度学习模型——ResNet、EfficientNet、MobileNet 和 DenseNet。DenseNet 实现了最高的测试集准确率 96%，优于 ResNet（91%）、EfficientNet（91%）和 MobileNet（93%）。因此，我们专注于提高 DenseNet 的性能，同时将其视为基础模型。为了增强基础 DenseNet 模型的通用性，我们实施了一种微调方法，该方法采用了正则化技术，包括数据增强、dropout、批量归一化和全局平均池化，并结合了超参数优化。这种增强的 DenseNet 模型实现了 97.1% 的准确率。我们的研究结果证明了 DenseNet 结合迁移学习和微调对脑肿瘤分类的有效性，凸显了其在临床环境中提高诊断准确性和可靠性的潜力。
新型电池化学和长期储能
氧化还原液流化学涉及两个电解质罐，它们将电能以氧化还原对的形式存储，通常是在水溶液中 xx 。当电解质被泵入电池单元时，电池单元将电能转换为化学能，反之亦然。主要优点是存储容量由廉价、稳定的化学品罐的大小决定，因此可以以低成本增加额外的存储容量。重量和体积较大，使其更适合电网存储等固定应用。氧化还原液流化学存在各种化学氧化还原系统，其中钒是商业上最成熟的，但价格相对较高 xxi 。
比较电动汽车的电池化学...
绿色和环保运输系统最有效的技术之一是电动汽车（EV）。对于所有电池驱动的电动汽车，次级（可充电）电池是主要能源。电池存储化学能并将其转换为电能，然后将其作为电能传递。能源存储系统对于汽车部门的电动汽车的长期经济和生态可持续性最重要。电池是电池驱动电动汽车的中心和核心组件。这是电动汽车的核心。选择具有较长循环寿命，能源降低，高功率密度，稳定和高峰值功率输出，高能量效率，轻巧，低维护，持久耐用性，足够的安全性，可靠的性能，快速充电能力，经典和生态友好的材料的电池很重要。电动汽车使用各种类型的可充电电池，包括镍 - 卡德米（NICD），铅酸（PBO2），镍金属氢化物（NIMH），钠硫硫磺（NAS），锂离子（Li-ion）（Li-ion）和基于新颖的电池。基于新颖的电池，例如锂硫（LIS），锂离子空气（LIO2），全稳态电池（ASSB），锌离子（ZN-ION），锂离子硅（Li-Si）和钠离子硅离子（NA-ION）电池（NA-ION）电池电池的潜力不足，但具有下一代能量的技术。在本文中，重点放在目前市场上可用的各种电池上。此外，还讨论了电池化学应用，形成以及福利和缺点的比较。智能能源存储系统对于绿色运输系统非常重要。考虑了所有确定参数，提出了针对电动汽车应用程序特定应用的最佳电池技术的建议。
对比图池化用于可解释的分类...
摘要 — 功能性磁共振成像 (fMRI) 是一种常用的测量神经激活的技术。它在识别帕金森病、阿尔茨海默病和自闭症等潜在的神经退行性疾病方面尤为重要。最近对 fMRI 数据的分析将大脑建模为图形，并通过图神经网络 (GNN) 提取特征。然而，fMRI 数据的独特特性需要对 GNN 进行特殊的设计。定制 GNN 以生成有效且可领域解释的特征仍然具有挑战性。在本文中，我们提出了一种对比双注意块和一种可微分图池化方法（称为 ContrastPool），以更好地利用 GNN 进行大脑网络，满足 fMRI 特定的要求。我们将我们的方法应用于 3 种疾病的 5 个静息状态 fMRI 脑网络数据集，并证明了它优于最先进的基线。我们的案例研究证实，我们的方法提取的模式与神经科学文献中的领域知识相匹配，并揭示了直接而有趣的见解。我们的贡献凸显了 ContrastPool 在促进对大脑网络和神经退行性疾病的理解方面的潜力。源代码可在 https://github.com/AngusMonroe/ContrastPool 上找到。
可持续锂离子电池化学的聚合物粘合剂设计
摘要：粘合剂的设计在实现锂离子电池（LIBS）中持久的高功率并延长其整体寿命方面起着关键作用。本综述强调了在LIBS中使用时粘合剂必须具有的必不可少的特征，这些因素考虑了诸如电化学，热剂，热和色散稳定性，与电解质的兼容性，溶剂，机械性能和电导率的溶解度。在阳极材料的情况下，具有鲁棒机械性能和弹性的粘合剂对于维护电极完整性至关重要，尤其是在发生实质体积变化的材料中。对于阴极材料，粘合剂的选择取决于阴极材料的晶体结构。粘合剂设计中的其他重要考虑因素包括成本效益，附着力，加工性和环境友好性。结合低成本，环保和可生物降解的聚合物可以显着促进可持续的电池开发。本评论是理解高性能LIB粘合剂设计的先决条件的宝贵资源，并为各种电极配合的粘合剂选择提供了见解。本综述中阐明的发现和原理可以推断到其他高级电池系统，为开发以增强性能和可持续性为特征的下一代电池的课程图表。
LFP和NMC锂离子电池化学的半经验老化模型
lfp和NMC化学家目前是锂离子家族中最相关的，并且具有更高的前景技术。本文分析了由日历和骑自行车老化引起的锂离子电池中容量衰减的建模过程。考虑到用于定义模型的主要参数的变化，开发了对LFP和NMC有效的在线老化估计模型：温度，充电状态以及电荷和排放率。通过将两种化学的性能与制造商和以前的衰老模型提供的数据进行比较，从理论上的角度来验证了该模型。提议的电池老化模型达到3％的最大相对误差，这取决于电池化学和指定的工作条件。开发了有关电池终止寿命的模型准确性的进一步分析。此外，从实验性的角度验证了模型性能，并在实验室中测试了NMC电池，达到低于5％的误差。此外，提出了一种参数化衰老模型的方法，以促进该模型在特定的电池中的应用。
通过先进电池化学领域的合作解决技术差距
2W/3W 两轮或三轮车 ACC 先进电池化学 AI 人工智能 Al2O3 氧化铝 BESS 电池储能系统 BEV 电池电动汽车 BMS 电池管理软件 CAES 压缩空气储能 CAGR 复合年增长率 CCl4 四氯化碳 CERT 能源研究与技术委员会 CES 化学储能 CO2 二氧化碳 CSIR 科学与工业研究理事会 CSIRO 联邦科学与工业研究组织 D&D 开发与演示 DNi 直接镍工艺 DT 数字孪生 EC 电化学 EcES 电化学储能系统 EC 电化学元件 EES 电储能系统 EHS 环境与健康安全 ES 储能 ESS 储能系统 ETIP 欧洲技术与创新计划 ETWG 能源转型工作组 EU 欧盟 EV 电动汽车 FCAS 频率控制辅助服务 FES 飞轮储能 GES 重力储能 GHG 温室气体 GW 吉瓦 GWh 吉瓦时 HDV 重型车辆 HTP 人体毒性潜力 ICE 内燃机 IEA 国际能源署 IP 知识产权 IRENA 国际可再生能源机构kT 千吨 kWh 千瓦时 LCO 钴酸锂 LCOS 平准化储能成本 LDV 轻型汽车 LFP 磷酸铁锂 Li 锂金属 Li 离子 锂离子 Li-O2 锂金属空气 Li-S 锂硫
氧化还原介导的镍 - 金属氢化物流量电池可以使传统电池化学的能量和功率脱钩
每种电池技术都具有内在的优势和缺点：例如镍 - 金属氢化物电池提供相对较高的特定能量和功率以及安全性，使它们成为混合动力汽车的首选功能，而水性有机流动电池（AORFB）则具有可持续性和简单的活性材料的简单更换，以及独立的能源和电源，使其对固定的能量存储非常有吸引力。[1]在本演讲中，一种新的电池技术通过使用氧化还原介导的反应融合了上述电池技术，从本质上描述了每种独立技术的主要特征；例如实心材料的高能量密度，易于可回收性和能量和功率的独立可伸缩性（图1A）。[2]为此，Ni（OH）2和MHS限制在AORFB的正和负储层中，该储层采用了苯烷钾的碱性溶液，并混合了2,6-二羟基羟基酮酮和7,8-二羟基苯二醇和7,8-二羟基苯二醇和阳离子的混合物。基于储层的能力达到128 WHL -1的能量密度，留出了足够的改进空间，直至378 WHL的理论极限 -