模型使用机器学习来预测高能量密度锂金属电池的循环寿命

Josiah02

日本国家材料科学研究所 (NIMS) 和软银公司联合开发了一种模型，该模型通过将机器学习方法应用于电池性能数据来预测高能量密度锂金属电池的循环寿命。该研究成果发表在《先进科学》杂志上。
事实证明，该模型能够通过分析电池的充电、放电和电压松弛过程数据准确估计电池的寿命，而无需依赖于任何有关特定电池退化机制的假设。
该技术有望有助于提高锂金属电池供电设备的安全性和可靠性。
锂金属电池具有比目前使用的锂离子电池更高的单位质量能量密度的潜力，因此被寄予厚望，有望应用于无人机、电动汽车、家庭用电存储系统等多种技术领域。
2018 年，NIMS 与软银成立了 NIMS-SoftBank 先进技术开发中心。此后，双方共同开展了高能量密度可充电电池的研究，用于各种系统，例如移动电话基站、物联网 (IoT) 和高空平台站 (HAPS)。
此前曾报道过能量密度超过 300 Wh/kg、充放电循环寿命超过 200 次的锂金属电池。要将这种高性能锂金属电池投入实际使用，同时确保其安全性，需要开发能够准确估算这些电池循环寿命的技术。
然而，锂金属电池的退化机制比传统锂离子电池更为复杂，而且尚未完全了解，这使得开发能够预测锂金属电池循环寿命的模型面临巨大挑战。
该研究团队利用之前开发的先进电池制造技术，制造了大量高能量密度锂金属电池，每个电池由锂金属阳极和富镍阴极组成。然后，该团队评估了这些电池的充电/放电性能。
最后，该团队通过将机器学习方法应用于充电/放电数据，构建了一个能够预测锂金属电池循环寿命的模型。事实证明，该模型能够通过分析充电、放电和电压松弛过程数据做出准确的预测，而无需依赖任何有关特定电池退化机制的假设。
该团队打算进一步提高模型的循环寿命预测精度，并利用该模型开发新的锂金属阳极材料，加快高能量密度锂金属电池的实际应用。
更多信息： Qianli Si 等人，基于放电/充电容量和松弛特征的数据驱动锂金属基可充电电池循环寿命预测，Advanced Science（2024 年）。DOI ：10.1002/advs.202402608
期刊信息： Advanced Science