研究人员利用机器学习和人工智能 大大加快电池研发过程

2019-12-13来源: 盖世汽车关键字:阿贡  机器学习  人工智能

电池,机器学习,人工智能,电池研发,G4MP2计算密集型模型,电解质组分

(图源:阿贡官网)


为电池组件设计最佳分子构成,是一项复杂的工作。就像以数十亿种潜在配料为基础,创造新的蛋糕配方。设计人员需要面临诸多挑战,比如确定将哪些成分搭配在一起最合适。而且,即使拥有最先进的超级计算机,科学家们也无法精确地模拟每一种分子的化学特性,以证明其能成为下一代电池材料的基础。


据外媒报道,美国能源部阿贡国家实验室的研究人员,借助机器学习和人工智能的力量,大大加快电池研发过程。首先,研究人员通过G4MP2计算密集型模型,建立高度精确的数据库,其中包含大约13.3万个小有机分子,可能构成电池基本电解质。然而,这些只是科学家们想要研究的1660亿个大分子中的一小部分。为了节省计算时间和力量,研究小组使用机器学习算法,将小数据组中的精确已知结构,与大数据组中较粗的建模结构联系起来。阿贡数据科学与学习部门负责人Ian Foster表示:“我们相信,机器学习代表了一种方法。只需花费一小部分计算成本,就可获得接近精确的分子图像。”


为了给机器学习模型打下基础,Foster和同事在密度泛函理论基础上,采用计算量较小的建模框架,通过该量子力学建模框架,计算大系统中的电子结构。密度泛函理论可以较好地诠释分子性质,但不如G4MP2准确。


为了更好、更广泛地了解有机分子信息,需要使用高精度G4MP2计算分子中原子的位置,并将其与仅用密度泛函理论分析的分子进行比较,以改进算法。研究人员以G4MP2为标准,训练密度泛函理论模型,在其中加入修正因子,以降低计算成本,并提高精确度。


阿贡计算科学家Logan Ward表示:“机器学习算法为我们提供一种方法,研究大分子中原子和它们的邻居之间的关系,了解它们如何结合并相互作用,寻找这些分子和我们所熟知的其他分子之间的相似之处。我们可以在此基础上,预测大分子的能量,或高低精确度计算之间的差异。”


阿贡化学家Rajeev Assary表示:“我们推出这一项目,希望尽可能得到电池电解质候选组分的最大图像。要将一种分子用于能量存储应用,我们需要了解其性质,比如稳定性。通过机器学习,我们可以更加准确地预测大分子的性质。”


关键字:阿贡  机器学习  人工智能 编辑:鲁迪 引用地址:http://news.eeworld.com.cn/qcdz/ic482816.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:双电瓶隔离器原理是什么,如何自制隔离器?
下一篇:盘点发动机的10大热门技术,最后一个堪称“绝技”!

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

阿贡推光电融合新机制 加速电池充电且不降低性能
(图源:阿贡官网)据外媒报道,美国能源部阿贡国家实验室的研究人员开发新机制,加快电动汽车锂离子电池充电速度。只需将正极暴露在集中的光束下(如氙灯发出的白光),电池充电时间就会缩短一半或更多。如果投入商用,这项技术或将改变电动汽车的游戏规则。因为电动汽车充电时间长,或者充电站位置太远,车主们普遍存在“里程焦虑”。对于推进电动汽车普及化来说,快速充电仍然是关键挑战。现在的超级充电站通过向电池提供大电流,实现快速充电。然而,在过短的时间内输入过高电流,会降低电池的性能。通常情况下,车用锂离子电池充电时,需要一定的时间才能完成电化学反应,包括从氧化物正极中移除锂,并将其插入石墨负极中。阿贡知名学者Christopher Johnson表示
发表于 2019-12-05
阿贡推光电融合新机制 加速电池充电且不降低性能
阿贡团队开发新分析技术 寻找下一代电池正极材料
据外媒报道,美国阿贡国家实验室团队开发强大的新分析技术,在三维空间中探测晶体微结构,寻找下一代电池正极材料,此举或将完全改变运输和电网储能方式。研究人员分别来自阿贡的四个部门:材料科学系、化学科学和工程系、数据科学和研究系、X射线科学系。材料科学系的博士后提名人Matthew Krogstad负责关键工作。通过同步加速器中心的高功率X射线束进行研究,是取得成功的重要因素。这一多学科合作项目通过新工具,探索“嵌入”过程中发生的事情。当电池发电时,离子插入正极层体之间;接下来是“脱嵌”过程,当电池充电时,从正极中提取相同的离子。传统锂离子电池就是通过这个过程工作的。为了寻找更好的正极材料,科学家们利用X射线和电子衍射,确定锂离子
发表于 2019-12-03
阿贡团队开发新电解质 提升锂离子电池中硅负极的性能
据外媒报道,美国能源部阿贡国家实验室的研究人员,开发出新型电解质混合物和一种简单的添加剂,可以增加硅负极的表面和整体稳定性,有望应用于下一代锂离子电池。为了生产新一代锂离子电池,数十年来,科学家们一直在寻找新型电极材料和电解质。他们的目标是提高电池的储能能力,使其寿命更长,成本更低,也更安全。有了新一代电池,电动汽车有望进一步普及,并通过更加廉价可靠的储能方式,加速电网向可再生能源扩张。对科学家们来说,硅负极已成为取代当前石墨负极的首选材料。从理论上来说,硅具有明显的储能优势,其锂存储量几乎是石墨的10倍。而且,这种物质的成本低,更具商业吸引力。作为地壳中第二大元素,硅元素在计算和通信硬件中应用广泛,已具备一系列
发表于 2019-10-23
阿贡国家实验室公布了美国下一代超级计算机的详细信息
据外媒报道,美国能源部长里克·佩里(Rick Perry)和参议员迪克·德宾(Dick Durbin)今天在阿贡国家实验室(Argonne)出席了一场仪式,公布了美国下一代超级计算机的详细信息。美国能源部的新超算将由英特尔在阿贡国家实验室建造,这将是美国第一台每秒可进行1百亿亿次浮点计算(Exaflop)的超算。 这台超算名为“极光”(Aurora),计划于2021年底全面投入使用,因为美国能源部试图在超算竞赛中跟上中国的步伐。 2018年2月《科学》(Science)杂志上的一篇报道称,中国两台顶级计算机的性能比美国能源部目前21台超算加起来还要强大。部署在田纳西州橡树岭国家实验室(Oak Ridge)的超算
发表于 2019-03-19
哈佛大学联合阿尔贡国家实验室开发基于MEMS芯片的超级透镜
线的复杂曲度,但是体积更小,聚光能力更强,同时还能减少失真。不过,大部分这种纳米结构器件都是静态的,功能性有限。据麦姆斯咨询报道,超级透镜技术开拓者——美国哈佛大学应用物理学家Federico Capasso,和MEMS技术早期开发者——美国阿尔贡国家实验室纳米制造和器件小组负责人Daniel Lopez,他们俩来了一番头脑风暴,为超级透镜增加了运动控制能力,例如快速扫描和光束控制能力,或将开辟超级透镜新应用。Capasso和Lopez联手开发了一款器件,在MEMS上集成了中红外光谱超级透镜。他们将该研究成果发表在了本周的《APL Photonics》期刊上。MEMS是一种结合微电子和微机械的半导体技术,在计算机和智能手机中可以找到,包括
发表于 2018-03-12
SiFive和CEVA在机器学习处理器领域展开合作
通过SiFive的DesignShare计划进行的联合芯片开发,结合了两家公司的IP和设计优势,可为智能家居,汽车,机器人,安全性,增强现实,工业和物联网等一系列高端终端市场开发Edge AI SoC。SiFive日前宣布和CEVA合作,以实现针对批量最终市场的超低功耗领域特定Edge AI处理器的设计和创建。作为SiFive DesignShare计划的一部分,该合作伙伴关系以RISC-V CPU,CEVA的DSP内核,AI处理器和软件为中心,这些产品将用在一系列终端市场SoC中,包括神经网络推断成像,计算机视觉,语音识别和传感器融合等应用,场景包括智能家居,汽车,机器人技术,安全和监视,增强现实,工业和物联网。边缘机器学习处理
发表于 2020-01-10
小广播
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2020 EEWORLD.com.cn, Inc. All rights reserved