論文の概要: Toward High-Performance Energy and Power Battery Cells with Machine
Learning-based Optimization of Electrode Manufacturing
- arxiv url: http://arxiv.org/abs/2307.05521v1
- Date: Fri, 7 Jul 2023 13:48:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-16 03:24:29.261328
- Title: Toward High-Performance Energy and Power Battery Cells with Machine
Learning-based Optimization of Electrode Manufacturing
- Title（参考訳）: 機械学習による電極製造最適化による高性能エネルギー・電力電池の実現に向けて
- Authors: Marc Duquesnoy, Chaoyue Liu, Vishank Kumar, Elixabete Ayerbe,
Alejandro A. Franco
- Abstract要約: 本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。
本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。
以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
- 参考スコア（独自算出の注目度）: 61.27691515336054
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The optimization of the electrode manufacturing process is important for
upscaling the application of Lithium Ion Batteries (LIBs) to cater for growing
energy demand. In particular, LIB manufacturing is very important to be
optimized because it determines the practical performance of the cells when the
latter are being used in applications such as electric vehicles. In this study,
we tackled the issue of high-performance electrodes for desired battery
application conditions by proposing a powerful data-driven approach supported
by a deterministic machine learning (ML)-assisted pipeline for bi-objective
optimization of the electrochemical performance. This ML pipeline allows the
inverse design of the process parameters to adopt in order to manufacture
electrodes for energy or power applications. The latter work is an analogy to
our previous work that supported the optimization of the electrode
microstructures for kinetic, ionic, and electronic transport properties
improvement. An electrochemical pseudo-two-dimensional model is fed with the
electrode properties characterizing the electrode microstructures generated by
manufacturing simulations and used to simulate the electrochemical
performances. Secondly, the resulting dataset was used to train a deterministic
ML model to implement fast bi-objective optimizations to identify optimal
electrodes. Our results suggested a high amount of active material, combined
with intermediate values of solid content in the slurry and calendering degree,
to achieve the optimal electrodes.
- Abstract（参考訳）: 電極製造プロセスの最適化は、リチウムイオン電池(libs)のエネルギー需要増加に対応する応用のスケールアップに重要である。
特に、LIB製造は、電気自動車などの応用において、セルの実用性能を決定するため、最適化することが非常に重要である。
本研究では,電気化学性能の2目的最適化のための決定論的機械学習(ml)支援パイプラインによる強力なデータ駆動アプローチを提案することで,所望のバッテリ適用条件に対する高性能電極の課題に取り組んだ。
このMLパイプラインは、エネルギーまたは電力用途の電極を製造するためにプロセスパラメーターの逆設計を可能にする。
後者の研究は, 運動, イオン, 電子輸送特性向上のための電極微細構造の最適化を支援するこれまでの研究と類似している。
電気化学的擬二次元モデルに、製造シミュレーションにより生じる電極微細構造を特徴付ける電極特性を供給し、電気化学的性能をシミュレートする。
第二に、得られたデータセットは決定論的mlモデルをトレーニングし、最適な電極を識別するための高速双方向最適化を実装した。
以上の結果から, 高活性物質とスラリー中の固形物含量の中間値, キャレンダリング度を組み合わせることで, 最適電極を得ることができた。
関連論文リスト
- Predicting ionic conductivity in solids from the machine-learned potential energy landscape [68.25662704255433]
超イオン材料は、エネルギー密度と安全性を向上させる固体電池の推進に不可欠である。
このような物質を同定するための従来の計算手法は資源集約的であり、容易ではない。
普遍的原子間ポテンシャル解析によるイオン伝導率の迅速かつ確実な評価手法を提案する。
論文 参考訳（メタデータ） (2024-11-11T09:01:36Z) - Improving Electrolyte Performance for Target Cathode Loading Using Interpretable Data-Driven Approach [1.6333646796408297]
本研究では, 新規なハロゲン間電池の高性能な電解質の定式化を実現するために, データ駆動方式を用いる。
各種電解質組成と活性陰極負荷を用いた実験データセットを用いて,グラフに基づくディープラーニングモデルを訓練する。
トレーニングされたモデルは、ターゲット陰極負荷時のバッテリ容量を高めるために、電解質製剤組成物をさらに最適化するために使用される。
論文 参考訳（メタデータ） (2024-09-03T15:33:25Z) - Uni-ELF: A Multi-Level Representation Learning Framework for Electrolyte Formulation Design [20.855235423913285]
電解質設計を進めるための新しい多レベル表現学習フレームワークUni-ELFを紹介する。
本手法では, 分子レベルでの3次元分子構造をUni-Molモデルを用いて再構成し, 統計的構造特性の予測を行う。
この包括的事前学習により、Uni-ELFは複雑な分子レベルと混合レベルの情報をキャプチャすることができ、予測能力を大幅に向上させることができる。
私たちはこの革新的なフレームワークが、AIベースの電解質設計とエンジニアリングの自動化の道を開くと信じています。
論文 参考訳（メタデータ） (2024-07-08T17:26:49Z) - Improving Performance Prediction of Electrolyte Formulations with Transformer-based Molecular Representation Model [4.301136099065666]
本稿では, 変圧器を用いた分子表現モデルを用いて, 電解質の表現を効果的かつ効率的に取得する手法を提案する。
提案手法の性能を2つの電池特性予測タスクで評価し, 現状の手法と比較して優れた性能を示した。
論文 参考訳（メタデータ） (2024-06-28T09:55:29Z) - Parameter Identification for Electrochemical Models of Lithium-Ion Batteries Using Bayesian Optimization [5.637250168164636]
グラディエントベースおよびメタヒューリスティック最適化手法は、ロバスト性、高い計算コスト、および局所ミニマへの感受性の欠如によって制限されている。
本研究では,ニッケル-マンガン-コバルト (NMC)-グラファイトセルの電気化学等価回路電池モデル (E-ECM) の動的パラメータの調整にベイズ最適化を用いる。
論文 参考訳（メタデータ） (2024-05-17T12:59:15Z) - Orbital-Free Density Functional Theory with Continuous Normalizing Flows [54.710176363763296]
軌道自由密度汎関数理論(OF-DFT)は、分子電子エネルギーを計算する別のアプローチを提供する。
我々のモデルは様々な化学系の電子密度を再現することに成功した。
論文 参考訳（メタデータ） (2023-11-22T16:42:59Z) - Differentiable Modeling and Optimization of Battery Electrolyte Mixtures
Using Geometric Deep Learning [0.3141085922386211]
本研究では, 化学混合物の幾何学的深層学習モデルDiffMixを開発し, ロボット実験の指導に応用する。
DiffMixの予測精度とモデルロバスト性は、純粋にデータ駆動型よりも向上した。
ロボット実験装置であるClioでは,10段階以内の電解質のイオン伝導率を18.8%以上向上させる。
論文 参考訳（メタデータ） (2023-10-03T22:26:38Z) - Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process
Optimization [59.45414406974091]
我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。
NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。
その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
論文 参考訳（メタデータ） (2023-05-31T12:07:50Z) - Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。
どちらの手法もエネルギーと基底状態の優れた推定値を提供する。
勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文 参考訳（メタデータ） (2020-11-02T19:52:04Z) - Universal Battery Performance and Degradation Model for Electric
Aircraft [52.77024349608834]
電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。
我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。
このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
論文 参考訳（メタデータ） (2020-07-06T16:10:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。