Fugu-MT 論文翻訳(概要): Improving Electrolyte Performance for Target Cathode Loading Using Interpretable Data-Driven Approach

論文の概要: Improving Electrolyte Performance for Target Cathode Loading Using Interpretable Data-Driven Approach

arxiv url: http://arxiv.org/abs/2409.01989v1
Date: Tue, 3 Sep 2024 15:33:25 GMT
ステータス: 処理完了
システム内更新日: 2024-09-06 00:50:24.718144
Title: Improving Electrolyte Performance for Target Cathode Loading Using Interpretable Data-Driven Approach
Title（参考訳）: 解釈型データ駆動アプローチによるターゲット陰極負荷の電解質特性の改善
Authors: Vidushi Sharma, Andy Tek, Khanh Nguyen, Max Giammona, Murtaza Zohair, Linda Sundberg, Young-Hye La,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.6333646796408297
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Higher loading of active electrode materials is desired in batteries, especially those based on conversion reactions, for enhanced energy density and cost efficiency. However, increasing active material loading in electrodes can cause significant performance depreciation due to internal resistance, shuttling, and parasitic side reactions, which can be alleviated to a certain extent by a compatible design of electrolytes. In this work, a data-driven approach is leveraged to find a high-performing electrolyte formulation for a novel interhalogen battery custom to the target cathode loading. An electrolyte design consisting of 4 solvents and 4 salts is experimentally devised for a novel interhalogen battery based on a multi-electron redox reaction. The experimental dataset with variable electrolyte compositions and active cathode loading, is used to train a graph-based deep learning model mapping changing variables in the battery's material design to its specific capacity. The trained model is used to further optimize the electrolyte formulation compositions for enhancing the battery capacity at a target cathode loading by a two-fold approach: large-scale screening and interpreting electrolyte design principles for different cathode loadings. The data-driven approach is demonstrated to bring about an additional 20% increment in the specific capacity of the battery over capacities obtained from the experimental optimization.
Abstract（参考訳）: 電池、特に変換反応に基づく電池において、エネルギー密度とコスト効率を高めるために、活性電極材料のより高負荷が望まれる。しかし, 電極内での活性物質負荷の増加は, 内部抵抗, シャットリング, 寄生側反応による顕著な性能低下を引き起こし, 電解質の相溶性設計によってある程度緩和される。本研究では, ターゲット陰極負荷に特有な新規なハロゲン間電池の高性能電解質定式化を実現するために, データ駆動方式を用いる。 4つの溶媒と4つの塩からなる電解質の設計は、多電子酸化還元反応に基づく新規なハロゲン電池のために実験的に考案された。可変電解質組成とアクティブカソード負荷を用いた実験データセットは、電池の材料設計における変数をその特定の容量にマッピングするグラフベースのディープラーニングモデルを訓練するために使用される。訓練されたモデルは、大規模スクリーニングと異なる陰極負荷に対する電解質設計原則の解釈という2つのアプローチにより、目標陰極負荷時の電池容量を向上させるための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。データ駆動型アプローチは、実験最適化から得られる容量よりも、バッテリの特定の容量を20%増やすことを実証している。

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 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)
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)
Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
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。
論文参考訳（メタデータ） (2023-07-07T13:48:50Z)
Autonomous optimization of nonaqueous battery electrolytes via robotic experimentation and machine learning [0.0]
本研究では,非水系電解質の効率的な最適化のために,ロボット工学と機械学習を結合した新しいワークフローを提案する。と呼ばれるカスタムビルドの自動化実験は、ベイズ最適化ベースの実験プランナーであるDragonflyと結合されている。 Clioは、単塩三成分系溶媒設計空間上での電解質導電率を自律的に最適化する。
論文参考訳（メタデータ） (2021-11-23T00:15:19Z)
Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
論文参考訳（メタデータ） (2021-06-17T00:49:55Z)
Modified Gaussian Process Regression Models for Cyclic Capacity Prediction of Lithium-ion Batteries [5.663192900261267]
本稿では,リチウムイオン電池の容量予測のための機械学習によるデータ駆動モデルの開発について述べる。開発モデルは, 種々のサイクリングパターンを有する酸化ニッケル (MCN) リチウムイオン電池と比較した。
論文参考訳（メタデータ） (2020-12-31T19:05:27Z)
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。