基于机器学习的电化学能源电池宏微观设计

作     者：李金金 蔡俊飞 韩彦强 汪志龙 陈安 叶思敏 LI Jinjin;CAI Junfei;HAN Yanqiang;WANG Zhilong;CHEN An;YE Simin

作者机构：上海交通大学电子信息与电气工程学院薄膜与微细加工教育部重点实验室上海200240 

基　　金：国家科技部重点研发计划(2021YFC2100100) 国家自然科学基金(21901157) 上海市自然科学基金(21JC1403400) 

出 版 物：《硅酸盐学报》 (Journal of The Chinese Ceramic Society)

年 卷 期：2023年第51卷第2期

页      码：438-451页

摘      要：能源储存系统是电动汽车、电子设备等高新技术的重要基础。近年来基于机器学习的电池设计能够快速连结材料微观结构-材料微观性能-电池宏观性能的复杂关系,成为了热点研究。本文从能源电池的微观材料设计和宏观状态预测两方面系统性地综述了电池设计中机器学习的应用现状和前景,概括综述了机器学习电池设计的研究数据来源、算法的优缺点及其在电池领域的应用场景以及近年来的相关创新性工作及其展望,以期为机器学习在能源储存系统的宏微观设计提供了参考。

主 题 词：机器学习 数据挖掘 电池材料 电池状态 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.14062/j.issn.0454-5648.20220639

馆 藏 号：203118169...