'n X-straal-instrument by Berkeley Lab het bygedra tot 'n batterystudie wat 'n innoverende benadering tot masjienleer gebruik het om die leerkurwe te bespoedig oor 'n proses wat die lewe van vinnig-laaiende litiumbatterye verkort.
Navorsers het Berkeley Lab se Advanced Light Source, 'n sinchrotron wat lig produseer wat wissel van die infrarooi tot X-strale vir dosyne gelyktydige eksperimente gebruik om 'n chemiese beeldingstegniek bekend as skandering transmissie X-straalmikroskopie, of STXM, uit te voer in 'n toestand van -die-kuns ALS-straallyn genaamd COSMIC.
Navorsers het ook "in situ" X-straaldiffraksie by 'n ander sinchrotron gebruik – SLAC se Stanford Synchrotron Radiation Lightsource – wat gepoog het om die toestande wat in 'n battery teenwoordig is, te herskep, en boonop 'n baie-deeltjie-batterymodel verskaf het. Al drie vorme van data is in 'n formaat gekombineer om die masjienleeralgoritmes te help om die fisika aan die werk in die battery te leer.
Terwyl tipiese masjienleeralgoritmes beelde soek wat of nie ooreenstem met 'n opleidingstel van beelde nie, het die navorsers in hierdie studie 'n dieper stel data van eksperimente en ander bronne toegepas om meer verfynde resultate moontlik te maak. Dit verteenwoordig die eerste keer dat hierdie handelsmerk van "wetenskaplike masjienleer" op batteryfietsry toegepas is, het navorsers opgemerk. Die studie is onlangs gepubliseer in Nature Materials.
Die studie het baat gevind by 'n vermoë by die COSMIC-straallyn om die chemiese toestande van ongeveer 100 individuele deeltjies uit te sonder, wat deur COSMIC se hoëspoed-, hoë-resolusie-beeldingvermoëns moontlik gemaak is. Young-Sang Yu, 'n navorsingswetenskaplike by die ALS wat aan die studie deelgeneem het, het opgemerk dat elke geselekteerde deeltjie tydens die fietsryproses by ongeveer 50 verskillende energiestappe afgebeeld is, vir 'n totaal van 5,000 XNUMX beelde.
Die data van ALS-eksperimente en ander eksperimente is gekombineer met data van vinnig-laaiende wiskundige modelle, en met inligting oor die chemie en fisika van vinnige laai, en dan geïnkorporeer in die masjienleeralgoritmes.
"Eerder as om die rekenaar direk die model te laat uitvind deur dit bloot data te voer, soos ons in die twee vorige studies gedoen het, het ons die rekenaar geleer hoe om die regte vergelykings te kies of te leer, en dus die regte fisika," sê Stanford postdoktorale navorser Stephen Dongmin Kang, 'n studie mede-outeur.
Patrick Herring, senior navorsingswetenskaplike van Toyota Navorsingsinstituut, wat die werk deur sy Accelerated Materials Design and Discovery-program ondersteun het, het gesê: “Deur die fundamentele reaksies wat binne die battery voorkom te verstaan, kan ons sy lewe verleng, vinniger laai moontlik maak, en uiteindelik ontwerp beter batterymateriaal.”
Verwysing: "Fiktiewe faseskeiding in Li-gelaagde oksiede aangedryf deur elektro-outokatalise" deur Jungjin Park, Hongbo Zhao, Stephen Dongmin Kang, Kipil Lim, Chia-Chin Chen, Young-Sang Yu, Richard D. Braatz, David A. Shapiro, Jihyun Hong, Michael F. Toney, Martin Z. Bazant en William C. Chueh, 8 Maart 2021, Nature Materials.
DOI: 10.1038/s41563-021-00936-1