发现高能钠离子电池成分,机器学习简化最佳材料搜索过程

计算材料学 2024-12-21 13:59
文章摘要
本文介绍了日本东京理科大学和名古屋工业大学的研究团队如何利用机器学习优化高能钠离子电池过渡金属层状氧化物的成分。研究团队通过建立包含100个O3型钠半电池样品的数据库,训练了一个结合多种机器学习算法和贝叶斯优化的模型,以预测和优化钠离子电池的电化学性能。该模型成功预测了一种四元Na[Ni,Mn,Fe,Ti]O2成分,并通过实验验证了其高能量密度。研究结果表明,机器学习可以显著简化寻找最佳电池材料的过程,加速下一代电池的开发,并可能推动整个材料科学领域的创新。
发现高能钠离子电池成分,机器学习简化最佳材料搜索过程
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
推荐文献
Issue Editorial Masthead
DOI: 10.1021/aev007i023_187505510.1021/aev007i023_1875055 Pub Date : 2024-12-09
IF 5.4 3区 材料科学 Q2 ACS Applied Energy Materials
计算材料学
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信