机器学习辅助相场模拟预测锂离子输运参数对电池枝晶最大生长高度和空间利用率的影响

作     者：李亚捷 王依平 陈斌 林海龙 张更 施思齐 LI Yajie;WANG Yiping;CHEN Bin;LIN Hailong;ZHANG Geng;SHI Siqi

作者机构：上海大学材料科学与工程学院 湖南理工学院机械工程学院 上海大学材料基因组工程研究院 

基　　金：国家自然科学基金项目(52102280,U2030206,11874254) 国家重点研发计划(2021YFB3802104) 

出 版 物：《储能科学与技术》 (Energy Storage Science and Technology)

年 卷 期：2024年第13卷第9期

页      码：2864-2870页

摘      要：在锂基电池反复充放电的过程中，锂离子在负极表面的不均匀沉积会导致不可控的枝晶生长，进而严重影响电池的安全性能。相场模拟方法是描述和预测枝晶生长的有力手段，然而求解描述场变量演化的偏微分方程组对计算资源的要求较高。机器学习因能快速拟合历史数据中的潜在规律以实现材料性能的预测，已被广泛用于电池材料性能预测与筛选、电池健康状况评估等方面。本文以锂离子输运参数对电池枝晶形貌的影响为例，通过相场模拟收集不同锂离子扩散系数与离子电导率对应的枝晶图像，基于这些数据训练机器学习模型，进而预测给定离子输运参数所对应的枝晶描述因子（枝晶最大生长高度和空间利用率）。结果表明K-Nearest Neighbors模型可以较为精准地刻画离子输运参数与两种枝晶描述因子之间的联系(R2为0.995和0.992)，同时机器学习模型对于锂离子输运参数与枝晶描述因子间构效关系的挖掘方式及枝晶描述因子的区间范围都会影响预测结果的准确性。本研究能够有效降低计算成本，有助于指导实验高效地设计具有枝晶抑制性能的电池材料体系。

主 题 词：扩散系数 离子电导率 枝晶描述因子 相场模拟 机器学习 

学科分类：0808[工学-自动化类] 08[工学] 

核心收录：

D　O　I：10.19799/j.cnki.2095-4239.2024.0513

馆 藏 号：203128755...