XiaoMi-AI文件搜索系统
World File Search System负电极
钠作为电池中锂的绿色替代品
电池101在1980年代开发，并获得2019年诺贝尔化学奖的认可，锂离子电池已成为世界上最常用的电池之一。它为大多数手机和笔记本电脑提供动力，并且驱动了电动汽车生产的激增。与大多数电池一样，锂离子电池由三个主要组件组成：正电极（阴极），负电极（阳极）和两个之间的离子传输介质（电解质）。对于每个组件使用的材料都有多种选择，但是最常见的设计具有石墨制成的阳极（碳）；由含锂的金属氧化物制成的阴极，例如氧化锂或锰氧化锂；以及结合锂盐和有机溶剂的电解质。
锂离子电池的容量淡出
SEI形成反应的动力学表达基于Ekström和Lindbergh的论文（参考文献3）。在本文中，假定SEI形成受到形成的SEI膜的扩散过程受到限制，结果衰老在膜增厚后会减慢。另外，当石墨电极颗粒在插入负电极期间膨胀时，由于SEI膜的“破裂”，老化也会加速。石墨膨胀速率既取决于电荷状态和插入电流。假定SEI形成反应是减少反应，从而导致较低电位的反应速率（即电池最新电池）。在循环和日历老化期间，使用集团零维模型的模型参数的值，用于在45 c的循环和日历老化期间的实验数据。
锂离子电池：无化石燃料经济的支柱？
电池按用于电极的材料类型进行分类。例如，汽车电池被称为铅电池，因为它们使用铅用于正电极和负电极。大多数家用电池（通常用于遥控器，摄像机和玩具）中的家用电池，使用碱，镍金属氢化物和镍镉。锂离子（锂离子）电池使用锂化合物作为负电极处正极和石墨的材料。锂离子电池可充电，设计可持续很长时间：锂离子电池可以执行500至10,000个循环的充电和放电。取决于充电的频率，电池在几个月之间（例如，由专业人士的工艺工人使用的电动工具）和20多年的时间（例如，存储应用程序）达到了生命的尽头。
评估热失控期间的爆炸形成
总结所有固态电池已经开发出来，通过通过锂金属箔替换岩石的石墨负电极来增加能量密度，并通过去除有机量来提高安全性。但是，这些电池的安全问题到目前为止几乎没有受到关注。通过X射线放射线和高速相机记录了在热应力下重新组装的全稳态电池的行为。热失控（TR）持续约5 ms，因此反应动力学非常快。相比，锂离子电池的TR约为500毫秒。此外，使用压电传感器测量了188-MBAR的空中压力。尽管该细胞不是爆炸性，但为其计算了2.7 g TNT等效。这种非典型行为可能会影响壳体或电池组。因此，必须更详细地进行研究。
预热系统在冬季有效地加热您的EV
电解质在锂电池的正极和负电极之间进行离子，这是锂离子电池的保证，以获得高压和高能量密度的优势，因此电解质的低粘度可以使锂离子的移动。如果粘度高，它将形成一定的内部电阻，从而防止锂离子的运动。温度低时，电池会预热，因此电池内电解质的粘度随温度的变化而上升，从而提高了电池的充电和放电性能。因此，为了满足车辆的电源需求，有必要预热电池。但是，当温度低于25度以下时，锂电子将被冷冻，导致未能启动汽车。在这种情况下，车辆将事先为电池充电，以延长充电时间，并保证巡航范围。
基于硅的固态电池-UCL Discovery
摘要：固态电池（SSB）是现任锂离子技术的有前途的替代品；但是，他们面临一系列独特的挑战，必须克服这些挑战，以使其广泛采用。这些挑战包括高电阻，动力学缓慢的固体 - 固体界面，以及形成界面空隙的趋势，导致由于断裂和分层而导致的循环寿命降低。这项建模研究通过将化学和机械材料特性与其电化学响应联系起来，探测了固体电解质（SE）固体 - 固体界面上应力的演变，可以用作优化基于硅（SI）SSB的设计和制造的指南。研究了由无定形SI负电极（NE）组成的薄膜固态电池，该电池由SI的静脉诱导的膨胀引起的SE施加压缩应力。通过使用2D化学 - 机械模型，使用连续尺度模拟来探测施加的压力和C率对细胞应力 - 应变响应的影响及其对整体细胞容量的影响。由于LI通过Si的缓慢扩散而导致局部菌株，因此在Si电极内产生了复杂的浓度梯度。为了减少100％SOC的界面应力和应变，需要在中等的C速率下运行低施加压力。另外，可以对SE的机械性能进行量身定制以优化细胞性能。但是，如果SE应力的减少更加关注，则应针对具有中等屈服强度（1-3 GPA）的符合年轻的模量（约29 GPA）。为了减少SI应激，应选择具有与磷氧硝酸锂（〜77 GPa）相似的中等年轻模量的SE，应选择与硫化物相当的低屈服强度（〜〜0.67 GPA）。这项研究强调了对SE材料选择的需求和其他细胞成分的考虑，以优化薄膜固态电池的性能。关键字：固态电池，薄膜，实心电解质，材料选择，有限元分析模型，弹性，塑料，硅负电极
AI驱动的高性能聚合物的发现...
图1：我们的电池信息工作流程。数据收集管道：我们收集有机负电极相对于不同电荷载体（正电极材料）的有机负电极的微笑（简化的分子输入线进入系统）。10，这是微笑字符串到数字格式的连接版本。b架构我们的多任务机器学习（MT-ML）预测指标。MT-ML模型经过训练，以预测不同电池组件的多种属性。使用Selector-vector代表荷载体（正电极材料），性质和有机材料类（聚合物/分子）的变化。指纹与选择矢量串联，并用作MT-ML模型的输入。灰色版本的灰色代表模型的输入，较暗版本代表输出。通过将多个MT-ML模型的输出作为输入，在Holdout数据集中培训的 C META学习者。 元学习模型的输出是属性值（电压和特定容量）。 d最后，逆设计方法被授予。 我们采用一些参考有机材料，这些材料表现出更高的电池性能或更高的稳定性或生物降解性。 我们迭代地添加氧化还原活跃的部分或在有机材料的不同位置取代元素和键，以创建数百万个有机材料的库。 我们通过使用拟议的元学习模型来筛选具有较高电压和特定能力的潜在候选者。C META学习者。元学习模型的输出是属性值（电压和特定容量）。d最后，逆设计方法被授予。我们采用一些参考有机材料，这些材料表现出更高的电池性能或更高的稳定性或生物降解性。我们迭代地添加氧化还原活跃的部分或在有机材料的不同位置取代元素和键，以创建数百万个有机材料的库。我们通过使用拟议的元学习模型来筛选具有较高电压和特定能力的潜在候选者。
固态电池跃入工业应用
实心电解质目前是电池研究的重点，被认为是锂电池中常规，高度可易燃液体电解质的更安全替代品。在所谓的固态电池中，这些无机固体在正极和负电极之间运输锂离子。与新存储材料结合使用，因此它们是具有高能量密度的安全电池的关键。毕竟，液体电解质导致锂硫电池中不良的侧面反应，迄今为止，锂硫电池的侧面反应导致了较短的细胞寿命。因此，固体电解质的使用代表了一种有希望的溶液方法。当前的研究结果令人鼓舞：LI-S固态电池的基本可行性已经在实验室范围内证明。但是，有关应用程序相关的原型单元的数据太少，因此无法评估该技术。AIM：面向应用程序的证明