亚洲欧美日本视频在线观看-国产精品粉嫩一区二区-欧美高清在线不卡视频-日韩乱码在线高清观看

快捷下單入口關(guān)于合作招聘新人手冊會員中心

熱線：400-152-6858

測試狗科研服務

預存免費試測登錄

Document

當前位置：文庫百科 ? 文章詳情

頂刊寵兒！日本東北大學李昊團隊帶你探索高性能固態(tài)電解質(zhì)的方法！

來源：時間：2023-10-11 22:38:39 瀏覽：2082次

全固態(tài)電池由于其高的安全性和能量密度備受關(guān)注，但是其低的離子電導率是其發(fā)展的瓶頸。篩選高性能的固態(tài)電解質(zhì)，除了傳統(tǒng)的實驗試錯和理論計算篩選。機器學習是一種高效的方法，可以快速從巨大的材料空間中篩選出具有潛力的材料。數(shù)據(jù)庫是機器學習的基礎(chǔ)，建立準確的數(shù)據(jù)庫可以為材料的研究提供新的機遇和視角。相比于對少許材料的分析，基于對大數(shù)據(jù)的挖掘能夠得到材料性質(zhì)之間的更多隱藏信息，加速材料性能的優(yōu)化和設(shè)計。

為了應對上述挑戰(zhàn)，日本東北大學李昊教授課題組（材料科學高等研究所，WPI-AIMR）通過數(shù)據(jù)挖掘，從實驗文獻中構(gòu)建出固態(tài)電池電解質(zhì)的性能數(shù)據(jù)庫（又稱：動態(tài)固態(tài)電解質(zhì)數(shù)據(jù)庫；dynamic database of solid-state electrolyte，DDSE）。基于該DDSE數(shù)據(jù)庫，我們將討論材料各種性質(zhì)之間的聯(lián)系，總結(jié)了大數(shù)據(jù)挖掘在研究固態(tài)電解質(zhì)中的優(yōu)勢。同時，這個數(shù)據(jù)庫還提供了一個有趣的功能——評價新合成材料的性能排名。

數(shù)據(jù)庫永久DOI: http://doi.org/10.50974/00137195

數(shù)據(jù)庫鏈接：

https://ssbed-ssbed-database-gui-ntj1tz.streamlit.app/

主要論文：

F. Yang, E. C. D. Santos*, X. Jia, R. Sato, K. Kisu, H. Yusuke, S. Orimo, H. Li*, "A Dynamic Database of Solid-State Electrolyte (DDSE) Picturing All-Solid-State Batteries", Nano Materials Science, 2023: https://www.sciencedirect.com/science/article/pii/S258996512300034X

為了更好地幫助大家理解和掌握數(shù)據(jù)庫的使用，本期課程特邀李昊老師團隊做客直播間，和大家一同分享固態(tài)電池的意義，大數(shù)據(jù)和機器學習的意義，以及如何使用該數(shù)據(jù)庫來提高大家的科研質(zhì)量。

報告名稱：使用DDSE數(shù)據(jù)庫可視化分析固態(tài)電池電解質(zhì)性能

報告嘉賓：楊方令（日本東北大學，李昊課題組）

研究領(lǐng)域：機器學習結(jié)合理論計算篩選高性能固態(tài)電解質(zhì)

報告簡介：全固態(tài)電池由于其高的安全性和能量密度備受關(guān)注，但是其低的離子電導率是其發(fā)展的瓶頸。篩選高性能的固態(tài)電解質(zhì)，除了傳統(tǒng)的實驗試錯和理論計算篩選。機器學習是一種高效的方法，可以快速從巨大的材料空間中篩選出具有潛力的材料。數(shù)據(jù)庫是機器學習的基礎(chǔ)，建立準確的數(shù)據(jù)庫可以為材料的研究提供新的機遇和視角。相比于對少許材料的分析，基于對大數(shù)據(jù)的挖掘能夠得到材料性質(zhì)之間的更多隱藏信息，加速材料性能的優(yōu)化和設(shè)計。

課程大綱

一、研究背景

? 能源結(jié)構(gòu)與電池的應用

? 液態(tài)電解液的安全性危機

? 固態(tài)電解質(zhì)的優(yōu)勢和不足

二、探索高性能固態(tài)電解質(zhì)的方法

? 實驗試錯

? 理論計算（DFT和AIMD）

? 機器學習篩選

三、建立數(shù)據(jù)庫的優(yōu)勢

? 數(shù)據(jù)挖掘

? 實驗誤差檢查

? 為機器學習提供數(shù)據(jù)支撐

四、數(shù)據(jù)庫功能演示

? 基于數(shù)據(jù)庫展示材料之間的關(guān)系

? 評價實驗數(shù)據(jù)

報告人簡介：

楊方令，四川大學物理學院博士生，從2022年起于日本東北大學李昊課題組進行聯(lián)合培養(yǎng)，主要研究方向為機器學習結(jié)合理論計算篩選高性能固態(tài)電解質(zhì)。

李昊課題組簡介：

李昊教授課題組（位于日本東北大學，材料科學高等研究所，WPI-AIMR）主要從事材料理論推導、理論計算方法及機器學習算法開發(fā)、高性能材料設(shè)計。至今已在雜志發(fā)表論文超155篇，包含Nature Catalysis、Nature Communications、Journal of the American Chemical Society、Advanced Materials、Energy & Environmental Science、ACS Catalysis、Chemical Science、Chemistry of Materials、ACS Energy Letters、Advanced Energy Materials、Advanced Functional Materials等領(lǐng)域權(quán)威雜志。

李昊課題組主要方向及代表性成果如下：

1. pH-電場效應耦合的微觀動力學理論推導:對合金、金屬氧化物、單原子等催化劑進行能源電催化（燃料電池、電解水、二氧化碳還原、合成氨等）研究。

2. 數(shù)據(jù)挖掘及功能材料數(shù)據(jù)庫的構(gòu)建。

3. 建立新算法/新人工智能方法輔助研究功能材料（如：催化劑、固態(tài)電池、固態(tài)儲氫材料等）。

4. （首例）通過理論推導得到亞硝酸鹽催化還原模型，并成功通過理論預測、實驗驗證得到高性能催化劑，對飲用水處理還原亞硝酸至100%氮氣；

5. （首例）通過理論預測、實驗驗證設(shè)計出將亞硝酸鹽100%還原得到氨氣的催化劑（至今唯一一例實現(xiàn)100%氨氣選擇性催化劑）。

6. （首例）理論推導出利用電解水過程對烯烴實現(xiàn)常溫環(huán)氧化過程。

7. 設(shè)計高性能材料對污水氟化物、氯化物等污染物進行高效降解。

直播時間：2023年10月12日周四晚7:00-9:00

觀看方式：測試狗-科研服務視頻號& B站直播間