XiaoMi-AI文件搜索系统
World File Search System锂离子
考虑通过热塑性材料挤出和聚合物粉末床熔合进行锂离子电池 3D 打印
本文考虑了通过热塑性材料挤出和聚合物粉末床熔合来 3D 打印锂离子电池的能力。重点研究了由聚丙烯、LiFePO 4 作为活性材料和导电添加剂组成的正极配方，从电化学、电气、形态和机械角度彻底讨论了这两种增材制造技术的优缺点。基于这些初步结果，提出了进一步优化电化学性能的策略。通过全面的建模研究，与经典的二维平面设计相比，强调了各种复杂的三维锂离子电池结构在高电流密度下的增强电化学适用性。最后，研究了通过多材料打印选项工艺直接打印完整锂离子电池的能力。
来自用过的锂离子电池的石墨对环境友好的再生，用于可持续阳极材料
锂离子电池（LIB）的独特特征，例如它们的长寿命和高能量密度特征，已促进了它们的全球知名度，并巩固了其作为从便携式电子设备到电动汽车的各种应用的最重要电源的地位。1 - 3液体仍然是消费电子产品和电动汽车中最广泛的电源，甚至是20 - 25年。4,5每年对LIB的需求已达到700 GWH，预计到2030年将攀升至空前的4.7 TWH。6 libs通常包含基于李的阴极（LiCoo 2，Limn 2 O 4，Lini X Mn Y Co Z O 2，Lini X Co Y Al Z O 2，LifePo 4），阳极（石墨），电解质（有机溶剂中的LIPF 6）和分离剂（聚丙烯或多乙烯）。7基于Li的阴极是Libs的关键组成部分；
锂离子电池分离器基于电纺PVDF
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
锂离子电池火灾调查2025年1月
此召回涉及Anker Soundcore蓝牙扬声器中的锂离子电池组，2023年仅在亚马逊上出售。在Anker SoundCore蓝牙扬声器中只有锂电池组，其中包括A3102016，A3302011和A3302031的型号。消费者可以在Anker的网站上输入“ SN代码”，以https://us.soundcore.com/pages/a3102--召回和https://us.ankerwork.com/pages/a3302-recall查看是否召回了产品。消费者产品安全委员会页面
![正交表示用于估计因果量的学习
生成的AI和创造性工作：叙事，价值观和影响
triffid：提高第一响应者效率的自动机器人辅助
微守流：边缘设备的复杂性自我注意力低的视觉变压器
covid- ... 之间的不可思议和争议性溢出
arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日
对表示漏洞和工程强大的视觉变形金刚的机械理解
arxiv：2502.05610v1 [CS.CL] 2025年2月8日
Goproteingnn：利用蛋白质知识图蛋白表示学习
台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆
arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日
机器人引发的久坐行为的社会控制
增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控
arxiv：2502.07964v1 [cs.lg] 2025年2月11日
对石墨烯中振荡大声电效应的相干检测
arxiv：2502.09316v1 [CS.CL] 2025年2月13日
将基于物理的建模与锂离子电池的机器学习相结合
Trellis BMA：DNA存储的IDS通道上的编码跟踪重建
arxiv：2502.07650v1 [stat.ml] 2025年2月11日
与Soc- ... 的多间隔能量储备合作](/simg/3/371e53cea55d57b21dc3cec4490fd2d843578c28.webp)
正交表示用于估计因果量的学习 生成的AI和创造性工作：叙事，价值观和影响 triffid：提高第一响应者效率的自动机器人辅助 微守流：边缘设备的复杂性自我注意力低的视觉变压器 covid- ... 之间的不可思议和争议性溢出 arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日 对表示漏洞和工程强大的视觉变形金刚的机械理解 arxiv：2502.05610v1 [CS.CL] 2025年2月8日 Goproteingnn：利用蛋白质知识图蛋白表示学习 台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆 arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日 机器人引发的久坐行为的社会控制 增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控 arxiv：2502.07964v1 [cs.lg] 2025年2月11日 对石墨烯中振荡大声电效应的相干检测 arxiv：2502.09316v1 [CS.CL] 2025年2月13日 将基于物理的建模与锂离子电池的机器学习相结合 Trellis BMA：DNA存储的IDS通道上的编码跟踪重建 arxiv：2502.07650v1 [stat.ml] 2025年2月11日 与Soc- ... 的多间隔能量储备合作
表示学习被广泛用于观察数据的因果量（例如，有条件的平均治疗效应）。尽管现有的表示学习方法具有允许端到端学习的好处，但他们没有Neyman-Ottrol-ottrodenal学习者的理论特性，例如Double Ro-Busberness和Quasi-Oracle效率。此外，这种表示的学习方法通常采用诸如平衡之类的规范约束，甚至可能导致估计不一致。在本文中，我们提出了一类新型的Neyman-Ottrodonal学习者，以在代表水平上定义的因果数量，我们称之为或称为校友。我们的旅行者具有几个实际的优势：它们允许基于任何学习的表示形式对因果量进行一致的估计，同时提供了有利的理论属性，包括双重鲁棒性和准门的效率。在多个实验中，我们表明，在某些规律性条件下，我们的或学习者改善了现有的表示学习方法并实现最先进的绩效。据我们所知，我们的或学习者是第一批提供代表学习方法的统一框架，而Neyman-ottrol-ottrodenal学习者进行因果量估计。
锂离子电池数据：从生产到预测
摘要：在我们越来越多的电动社会中，锂离子电池是关键要素。要设计，监视或优化这些系统，数据起着核心作用，并且正在越来越兴趣。本文是对电池场中数据的评论。作者是实验者，旨在提供电池数据的全面概述。从数据生成到最先进的分析技术，本文以整体方法解决了与电池信息学相关的概念，工具和挑战。描述了不同类型的数据生产技术，并提出了最常用的分析方法。数据生产成本和数据生产和分析方法的异质性被视为在该领域开发数据驱动方法的主要挑战。通过提供对电池数据及其局限性的可理解描述，作者的目的是弥合电池实验者，建模者和数据科学家之间的差距。作为一种观点，开放的科学实践是减少数据异质性影响并促进来自不同机构的电池科学家与不同科学分支之间的合作的关键方法。
关于 LFP 锂离子电池的效率
能源转型需要将新的消费者行为（减少消耗）与可再生能源（避免碳排放）结合起来。这一良性过程成功的关键因素是能源存储能力，以便根据用户需求调整能源供应。锂电池已经在各种领域的能源存储中发挥着主导作用 [1]，[2]：电子产品、电动工具、电动汽车。在电网等更高能量水平的应用中，抽水蓄能是中心舞台，但电池开始被视为一种重要的解决方案，特别是在智能电网的情况下 [3]。关于最佳存储技术所需的特性，重点通常放在价格、寿命、安全性和可靠性上。然而，效率非常重要，因为在混合动力汽车或智能电网等应用中，能量交换可能非常频繁。即使铅酸仍然是使用最广泛的电池，锂离子目前也是新型存储应用中电池的主要技术 [4]。锂离子电池的主要优点是能量密度高、功率密度高、效率高、使用寿命长。相反，它们的主要缺点是安全性和火灾隐患，这意味着需要严格监控电池组内每个电池的温度和电压。另一个潜在的缺点是，这些技术对环境的影响仍在观察中 [ 5 ]。锂离子化学的多样性（与性能的多样性相关）可以看作是一个有吸引力的特性，可以调整技术以适应特定应用的限制。然而，这种多样性导致需要准确了解性能以及影响它们的关键因素 [ 6 ]。Kang 等人 [ 7 ] 确定锂离子的效率取决于电流和充电状态 (SoC)，并且高于镍氢电池的效率。在之前的一些研究中，我们表明，能量效率会因电池老化而改变，因此不仅要考虑新电池的效率，还要考虑电池老化对电池性能的影响。
锂离子电池状态和参数估计的新级联框架
摘要：锂离子电池在线监视由于其内部状态的不可衡量的特征而具有挑战性。到目前为止，电池监视的最有效方法是基于等效电路模型应用高级估计算法。此外，一种估计缓慢变化的不可估计的参数的通常方法是将它们包括在零时间导数条件下，构成所谓的扩展等效电路模型，并已广泛用于电池状态和参数估计。尽管将各种高级估计算法应用于联合估计和双重估计框架，但这些估计框架的本质尚未更改。因此，电池监视结果的改进有限。因此，本文提出了一种新的电池监视结构。首先，由于叠加原则，提取了两个子模型。对于非线性，进行了可观察性分析。表明，局部可观察性的必要条件取决于电池电流，电池容量的初始值以及相对于充电状态的开路电压的衍生物平方。然后，获得的可观察性分析结果成为提出新的监测结构的重要理论支持。选择并使用常用的估计算法，即卡尔曼过滤器，扩展的卡尔曼过滤器和无香的卡尔曼过滤器。使用合成数据的数值研究已证明了所提出的框架的有效性。使用合成数据的数值研究已证明了所提出的框架的有效性。除了提供电池开路电压的同时估算外，电池容量估计更快，更易用的电池容量估计是新提出的监测结构的主要优势。
高性能Na3v2（PO4）3/c阴极，用于有效的低温锂离子电池
在低温下，用于市售锂离子电池（LIBS）的抽象现有阴极电极材料（LIBS）表现出不足的电化学性能，显着限制了其在寒冷气候的地区的效用。在这种情况下，纳西孔结构Na 3 V 2（PO 4）3（NVP）纳米材料成功地使用了修改的Pechini方法成功合成，因此在LIBS中进行了评估。从减小的粒径和由li离子替代的粒径和混合离子中，阴极在室内和低温下表现出异常高的性能，在-20°C下表现为83.05 mAh g -1在0.2 c时的容量，在0.2 c时，这是在室温下的84.33％。具有如此出色的效率，NVP成为低温LIB的引人注目的阴极候选者。
由微电场工艺启用的锂离子电池的超厚电极
增加电极厚度是提高锂离子电池（LIB）能量密度的关键策略，这对于电动汽车和能源存储应用至关重要。然而，厚的电极面临着重要的挑战，包括离子运输差，长距离路径和机械不稳定性，所有这些都会降低电池的性能。为了克服这些障碍，引入了一种新型的微电场（𝝁 -EF）过程，从而增强了在制造过程中颗粒对齐的过程，并减少了阳极和阴极之间的距离。此过程产生的曲折度低和改善离子分歧的超厚（≈700μm）电极。𝝁 -EF电极实现高面积的能力（≈8mAh cm -2），同时保持功率密度和较长的循环寿命。在高C速率循环下，电极在2C处1000循环后保持结构完整性稳定，通过对厚电极制造的挑战的可扩展解决方案保持结构完整性，𝝁 -EF工艺代表了电动汽车和储能系统中高能力LIBS的显着进步。