为了减少二氧化碳排放,人们正在进行前所未有的研究,以开发高效、廉价的电动汽车和固定式储能系统,用于风能和太阳能等间歇性(可再生)能源产生的能量。1,2 在这方面,越来越多的基于钠 (Na)、镁 (Mg) 和铝 (Al) 的电池受到关注,因为这些元素在地球上含量丰富,因此与代表目前商业标准的锂 (Li) 离子电池 (LIB) 相比,它们的总体成本可能更低。3,4 然而,用钠、镁或铝离子取代锂离子需要对此类电池的阴极和电解质材料以及电化学进行深入的修订和重新探索。在此,我们简要回顾了基于地球丰富元素的新兴电池技术——不包括已经成熟的系统,例如铅酸电池和钠硫电池以及基于硫/空气阴极的后锂离子电池——并讨论它们各自的优缺点。人们认识到,基于钾 (K) 的电池作为一种低成本电池技术开始引起人们的关注,5 但为了简洁起见,本文将省略它。可充电电池的工作原理是基于阳极材料(负极,“还原剂”)和阴极材料(正极材料,“氧化剂”)之间的可逆氧化还原反应。阳极和阴极材料在空间上
量子信息处理正在从纯粹的学术学科稳步发展,转向整个科学和行业的应用。从基于实验室的,概念验证实验过渡到量子信息处理硬件的稳健,集成的实现是此过程的重要一步。但是,传统实验室设置的性质并不容易扩大系统大小或允许在实验室级环境之外的应用。这种过渡需要克服工程和集成方面的挑战,而无需牺牲实验室实施的最先进绩效。在这里,我们提出了一个19英寸的机架量子计算演示器,基于线性保罗陷阱中的40个CA +光学Qubits,以应对许多此类挑战。我们概述了机械,光学和电气子系统。此外,我们描述了量子计算堆栈的自动化和远程访问组件。我们通过描述与量子计算相关的表征测量结果,包括站点分辨的单量相互作用,以及通过Mølmer-Sørensen相互作用通过两种不同的地址方法提供的Mølmer-Sørensen相互作用进行纠缠。使用此设置,我们生产最大的纠缠的Greenberger-Horne-Zeilinger状态,最多24个离子,而无需使用后选择或误差缓解技术;与公认的常规实验室设置相提并论。
工作、旅行和娱乐。受 Ernest Solvay 于 1911 年发起的科学委员会的启发,我们带来了
摘要 电池组既表现出固有的电池间差异,也表现出温度和其他应力因素的时空差异,从而影响电池退化路径的演变。为了解释这些变化和退化或电池扩散的差异,我们提出了一种利用 3 参数非齐次伽马过程对锂离子电池退化进行建模的方法。该方法可预测任何电池架构的容量衰减或故障时间,并使用加速因子调整电池拟合退化数据的分布。在电池组级别,使用并联和串联配置的伽马分布变量组合对电池进行建模。将不同热条件下的容量衰减或故障时间的实际值与预测值进行比较,显示相对误差在 1 – 12% 范围内。我们还提出了一种通过分析样本量对估计不同电池组退化的影响来估计建模扩散和退化路径演变所需的最少电池数量的方法。这种采样策略对于降低设计电池组、电池管理系统和电池热管理系统所需的运行模拟的计算成本特别有用。
由Elsevier出版。这是作者接受的手稿:创意共享归因许可证(CC:BY 4.0)。最终发布的版本(记录的版本)可在线访问:10.1016/j.cej.2024.153827。请参考任何适用的发布者使用条款。
摘要准确的充电状态(SOC)估计取决于精确的电池模型。非线性和不稳定干扰因素的影响使准确的SOC估计变得困难。为了获得准确的电池模型,提出了基于NARX(具有外源输入的非线性自回归网络)的方法,提出了复发性神经网络和移动窗口方法。本文从以下三个方面提高了SOC估计的准确性,建模速度和鲁棒性。首先,为了克服对模型训练过程中数据量的过度依赖,使用NARX复发性神经网络来建立电池模型。narx(具有外部输入的非线性自回旋)具有延迟和反馈功能的复发性神经网络可以保留上一刻的输入和输出,并将其添加到下一个时刻的计算中。因此,使用少量数据实现了更好的估计结果;其次,移动窗口方法用于梯度爆炸和NARX模型训练过程中可能发生的梯度消失。第三,通过将其与不同的工作条件和不同温度下的其他方法进行比较,可以验证该模型的有效性。结果表明,所提出的模型具有更高的SOC估计准确性和速度。提出的模型的RMSE性能减少了约65%,并且执行时间缩短了约50%。
摘要我们描述了表面电极离子陷阱连接的设计,这是大尺度离子陷阱阵列的关键元素。使用双目标优化方法设计电极,该方法保持了总伪电量曲率,同时最小化沿离子传输路径的轴向伪电势梯度。为了促进在多个陷阱区域中的平行操作的激光束输送,我们在此X结陷阱的每个臂上实现了集成的光学器件。提出了商业铸造制造的陷阱芯片的布局。这项工作建议在可扩展实现中改善离子陷阱连接性能的路线。与集成的光学解决方案一起,这有助于互连的二维阵列中的模块化陷阱离子量子计算。