AI 筛选电池材料,广州大学叶思宇院士开发可用于 P-SOC 材料预测的机器学习算法模型

​材料界面的突破:自动化高通量筛选 我们所开发的计算方案不仅为材料科学的研究人员提供了新的视角,还为自动化计算研究拓宽了路径,使其能够超越传统的体材料分析,迈向更加广阔的应用前景。作者呈现了一个专门设计的工作流程,用于处理从无机块体晶体生成的准二维薄层模型。尽管材料表面在能源转换过程中扮演着至关重要的角色,但由于技术上的复杂性,表面属性的研究相对落后,且目前还缺乏一套全面的高通量方案来应对这一挑战。这些发现不仅增强了对材料表面电子性质的理解,还提供了可靠的数据支持,有助于预测实验中可能观察到的结果,从而为未来的材料设计和应用开辟了新的道路。 阅读详情

作者:田小幺

编辑:李宝珠,三羊

封面图来源:摄图网

广州大学的研究人员建立了一种基于极限梯度增强 (XGBoost) 算法的机器学习模型,可用于 P-SOC 空气电极的筛选。

新能源现在有多火?据中汽协数据显示,2023年 1-11 月,新能源汽车在我国的市场占有率已达到 30.8%,这背后带来的是锂电池行业的持续繁荣。然而,在锂电池技术之外,固态电池也是资本和企业追逐的方向,甚至被誉为「电动车的终点」。近年来,中美日德的汽车及电池企业纷纷入场,固态电池产业经历了最初的资本狂欢,进入了更加务实的落地探索阶段。

资本与行业的高度关注极大地推动了相关领域的科研进展,以清洁能源为燃料的电池技术发展也带动了关键材料的创新。其中,质子导电固体氧化物电池 (P-SOC) 具备可低温化操作、离子传导活化能低等优点,逐渐被人们所熟知,并受到越来越多的关注。

然而,开发高性能 P-SOC 的一大障碍就是缺乏高效的质子导体空气电极。目前,P-SOC 广泛使用的空气电极材料是基于 Co/Fe 的钙钛矿氧化物,但还没有系统的研究表明不同元素在基于 Co/Fe 的钙钛矿氧化物中 B 位上的作用。

为了解决这一难题,广州大学的研究人员建立了一种基于极限梯度增强 (XGBoost) 算法的机器学习模型,可用于 P-SOC 空气电极的筛选,并且扩展了机器学习在燃料电池关键材料方面的应用。目前,相关成果已发表于「Advanced Functional Materials」。

在这里插入图片描述

论文发表于「Advanced Functional Materials」

获取论文:
https://onlinelibrary.wiley.com/doi/10.1002/adfm.202309855

后台回复「燃料电池」获取完整论文PDF

数据集:控制系统变量

通过比较随机森 (random forest,RF) 和 XGBoost 在样本数据集上的预测性能,该研究首先筛选出了包含 29 个特征的 792 个样本,以作为研究在 B 位点有不同掺杂剂的 Co/Fe 基钙钛矿氧化物的数据库。

模型架构:两大模型优中选优

该研究的回归预测任务分别比较了两个可集成的学习模型,即

  • RF,它可构建多个决策树,并整合每个决策树的预测
  • XG- Boost,它以梯度提升决策树算法为核心(如下图所示)

在这里插入图片描述

虽然 XGBoost 模型和 RF 模型都表现出优异的预测性能,但从下图中可以看出,当目标变量的实际值较大时,RF 模型会低估其预测值,相比之下,XGBoost 模型的预测值在1:1线两侧的分布更为均匀。因此,该研究选择 XGBoost 作为研究分析的主要模型。

在这里插入图片描述

如下图所示,基于 XGBoost 的机器学习模型,以元素结构为输入,进行 P-SOCs 空气电极的筛选。

在这里插入图片描述

随后,研究团队基于机器学习预测结果和密度泛函理论 (Density Functional Theory, DFT) 计算,成功筛选出一种用于 P-SOCs 的高效空气电极材料 LCN91,其活化能可与众所周知的空气电极相媲美。

实验结论:LCN91具有更好的催化活性

质子电导率是由氧化物中质子吸收量 (PAA)、质子扩散和质子转移的组合决定的。实验表明,PAA 的间隙与质子电导率的间隙呈正相关,尤其是当两种化合物的质子迁移率(即扩散系数)相同时,可以直接用 PAA 来衡量质子电导率。

在机器学习中,特征重要性分数用于在构建预测模型时确定每个特征的相对重要性。结合实验经验和理论,特征重要性排序可以帮助我们验证所构建的机器学习模型,提高模型的可解释性。下图给出了 XGBoost 模型 PAA 预测中的特征重要性排序。

在这里插入图片描述

为了清晰地研究 B 位掺杂元素的作用,该研究将 La 固定在 A 位,将 Mg、Al、Si、Ca、Sc、Ti、Mn、Fe、Co、Ni、Cu、Zn、Ga、Ge、Sr、Y、Zr、Nb、In、Sn、Sb、Bi、Nd、Sm、Gd、Dy、Yb 作为掺杂元素 (B1)。

随着 Ni 的出现,ΔE(水合焓)的下降表明 Ni 有利于 LCN91 中的水化反应,因为 ΔE 越小,水化反应越容易进行。

在这里插入图片描述

综上所述,LCN91 更有利于水化反应,这与机器学习模型预测的结果一致,其中 LCN91 的 PAA 高于 LCN82。同时,LCN91 氧化物具有更好的催化活性。

实验评估表明,LCN91 被认为是一种很好的 P-SOC 空气电极,然而,与电解质材料相比,LaCoO3 家族氧化物的热膨胀系数 (TEC) 非常高,这可能导致电极在长期工作过程中从电解质中脱落,从而缩短电池寿命。

尽管 LCN91 仍存在需要改进、提升的地方,但该研究综合利用机器模型和 DTF 计算验证了 LCN91 优异的质子导电性,也为未来开发具有高质子导电性和适当热膨胀系数的新型空气电极氧化物提供了指导。

叶思宇院士:氢能燃料电池只是起点

目前,「碳达峰、碳中和」已成为全球共识。氢能作为一种清洁、高效、储量大的可再生能源,为各行业脱碳提供了重要途径。质子导体固态氧化物电池 (P-SOC) 具有原料成本低、环境影响小、理论电解效率高等优点,是电解水制备绿氢领域的研究重点和热点。

作为国际公认燃料电池电催化和催化剂层/MEA 设计的顶尖专家,叶思宇院士长期以来致力于质子交换膜燃料电池研究和开发的各个方面,现为加拿大国家工程院院士、广州大学化学化工学院教授、黄埔氢能源创新中心主任和首席科学家、鸿基创能科技(广州)有限公司副董事长兼首席技术官。

作为首家落户广州的燃料电池膜电极研发生产领域的国家专精特新「小巨人」企业,鸿基创能致力于质子交换膜燃料电池用高性能膜电极 (MEA) 的大规模国产化和产业化,为国内外燃料电池厂商提供低成本、高性能的膜电极核心组件,解决中国燃料电池核心材料长期依赖国外技术的局面。

据了解,鸿基创能自主研发出第一条全自动化 MEA 封装生产线,并生产了与国际领先水平同步的具有自主知识产权的车用燃料电池膜电极,打破了国外企业对该行业的技术垄断,填补了国内该行业的空白。2022 年,鸿基创能全年膜电极出货量达到 170 万片。

国际氢能委员会指出,预计到 2030 年,绿氢需求将增长到 7500 万吨。在未来 10 年内,全球对可再生低碳氢能的需求将增长 50%。得益于传统能源企业和氢能燃料电池的「联谊」,氢能燃料电池的发展将不再局限于纯粹的燃料电池汽车,最终将与整个能源体系息息相关。

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

相关推荐

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统

船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。

专注于计算机研发知识和资讯分享 480

材料基因工程:AI如何加速新材料的发现

通过建立材料成分-结构-性能-工艺的关联数据库,结合高通量计算与实验,实现研发效率的指数级提升。与人类基因组计划类似,材料基因工程旨在解码构成材料的"遗传密码",但面临的挑战更为复杂——材料参数空间可达10²⁰量级,远超生物基因的复杂度。从发现到应用,一种新材料的平均研发周期长达10-15年,例如锂离子电池正极材料钴酸锂的研发就耗费了20余年。材料基因工程与AI的结合正在重塑材料研发的范式。从被动试错到主动设计,从经验驱动到数据驱动,这种变革不仅极大提升了研发效率,更打开了探索材料性能极限的新维度。

SQ_acorn的博客 1762

Monocle2在R 4.3环境下的终极避坑指南:从安装到可视化全流程解析

本文提供了在R 4.3环境下安装和运行Monocle2的完整解决方案,重点解决了依赖包兼容性、源码修改及BEAM分析报错等关键问题。文章详细解析了从环境准备、依赖包处理、源码安装验证到从Seurat对象转换、拟时轨迹构建、高级可视化及性能优化的全流程,旨在帮助用户顺利完成单细胞拟时分析。

weixin_29206669的博客 1358

声子晶体和超材料中的机器学习和深度学习—2022年综述(3)

通过交互式强化学习技术,开发了层状声子晶体的拓扑结构,并允许其演变,直到达到满足所需规格的拓扑结构。后来,通过将深度学习网络预测与数值模拟进行比较,验证了网络效率,并报告了优异的一致性。因此,在尝试解决给定问题时,重要的是要获得一个适合问题复杂性的数据集,并在将其应用于模型训练之前验证数据分布。报告的结果表明,这两种类型的神经网络都表现出良好的性能,并正确预测了与声子晶体相关的单元结构的能带结构。通过使用基于图像的有限元分析与MLP和CNN网络,Li等人研究了声子晶体的设计优化,以拓宽带隙宽度。

yy_hhhh的博客 1642

Unity接入Google登录:Credential Manager完整集成指南与避坑实践

在移动应用开发中,第三方登录是提升用户体验和降低注册门槛的关键技术。其核心原理是通过OAuth 2.0等授权协议,安全地获取用户在平台的身份凭证。对于面向海外市场的Unity应用,Google登录因其庞大的用户基数成为首选方案。然而,随着Android系统更新和隐私政策收紧,传统的WebView登录方式面临兼容性挑战。Credential Manager作为Google推出的现代化凭据管理API,通过系统级集成解决了这一问题,它统一了密码、通行密钥和第三方登录的调用接口,显著提升了登录成功率和原生体验。在U

weixin_28025327的博客 321

CentOS 7升级GCC踩坑记:明明装了centos-release-scl,为啥找不到devtoolset-9-gcc-c++?

本文详细记录了在CentOS 7系统中升级GCC时遇到的`devtoolset-9-gcc-c++`不可用问题及其解决方案。通过分析`centos-release-scl`安装不完整的原因,提供了从清理残留、重新安装仓库配置到完整安装devtoolset-9工具链的全套操作指南,帮助开发者彻底解决类似环境配置难题。

weixin_29252171的博客 246

智能时代的科学计算新范式 | 飞桨博士会第十期

科学的主要模型都是来自于物理学,比如牛顿方程、空气动力学、弹性力学、电磁场理论、量子力学等。但是有了这些物理原理,仍存在待求解的问题机理不清楚,或者问题机理过于复杂以至于传统算法难以求解的...

PaddlePaddle 588

无人机飞控技术最详细解读

已剪辑自: https://zhuanlan.zhihu.com/p/64519280[导读]被称作是“飞行器的大脑”的飞控到底是什么?以前,搞无人机的十个人有八个是航空、气动、机械出身,更多考虑的是如何让飞机稳定飞起来、飞得更快、飞得更高。如今,随着芯片、人工智能、大数据技术的发展,无人机开始了智能化、终端化、集群化的趋势,大批自动化、机械电子、信息工程、微电子的专业人材投入到了无人机研发大潮中,几年的时间让无人机从远离人们视野的军事应用飞入了寻常百姓家、让门外汉可以短暂的学习也能稳定可靠的飞行娱乐。不可

qq_41854911的博客 1万+

深度学习预测材料的冲击温度场

作者通过MD方法对数个百万原子规模的系统进行冲击模拟采集数据,通过将系统内原子坐标和原子速度以及网格化的局部密度场作为输入,将网格化的局部温度场作为输出,训练的神经网络能够将初始的、冲击前的微观结构映射到冲击后的温度场,其计算成本比MD模拟的计算成本小108倍,且准确性超过了现有的模型。同时,深度学习已经被用于模拟材料在冲击载荷下的中尺度热机械响应,其精度与基于物理的模拟相当,但只需要的计算成本相对而言非常小。该工作可以减少现有方法的经验主义,并为将微观结构与冲击载荷下材料的响应联系起来提供了有效的手段。

m0_72489520的博客 1203

保姆级教程:用Adams/Car和Simulink搞定你的第一个整车联合仿真(附模型文件)

本文提供了一份详尽的Adams/Car与Simulink联合仿真教程,涵盖从环境配置到模型导出的全流程。通过实战案例解析,帮助工程师快速掌握多体动力学仿真与控制算法开发的集成技术,特别适合汽车工程领域的初学者。文章还包含常见问题解决方案和性能优化建议,助您高效完成整车联合仿真项目。

weixin_29663861的博客 339

红薯游客小眼睛接口分析与Python脚本实现

小眼睛接口与请求流程分析,使用Python实现小眼睛+1

吴秋霖的博客 2617

AI 筛选电池材料,广州大学叶思宇院士开发可用于 P-SOC 材料预测的机器学习算法模型...

本文约2000字,建议阅读5分钟 广州大学的研究人员建立了一种基于极限梯度增强 (XGBoost) 算法的机器学习模型,可用于 P-SOC 空气电极的筛选。广州大学的研究人员建立了一种基于极限梯度增强 (XGBoost) 算法的机器学习模型,可用于 P-SOC 空气电极的筛选。新能源现在有多火?据中汽协数据显示,2023年 1-11 月,新能源汽车在我国的市场占有率已达到 30.8%,这背后带来的...

数据派THU 696

YOLOv11改进 | 特殊场景检测篇 | 利用图像去雾网络UnfogNet改进yolov11图像雾天检测能力(全网独家首发改进)

本文给大家带来的改进机制是利用UnfogNet超轻量化图像去雾网络,我将该网络结合YOLOv11针对图像进行去雾检测(也适用于一些模糊场景),我将该网络结构和YOLOv11的网络进行结合同时该网络的结构的参数量非常的小,我们将其添加到模型里增加的计算量和参数量基本可以忽略不计这是非常难得的,因为其也算是一种图像增强算法,同时本文的内容不影响其它的模块改进可以作为工作量凑近大家的论文里,非常的适用,图像去雾检测为群友最近提出的需要的改进。欢迎大家订阅我的专栏一起学习YOLO!

Snu77的博客 1632

20240514基于深度学习的弹性超材料色散关系预测与结构逆设计

论文:Dispersion relation prediction and structure inverse design of elastic metamaterials via deep learning DOI:https://doi.org/10.1016/j.mtphys.2022.100616 1、摘要 精心设计的超材料结构给予前所未有的性能,保证了各种各样的具体应用。传统的方法通常依赖于在研究人员的经验和优化算法的帮助下,在广阔的设计空间中进行迭代搜索,以获得具有所需性能的结构。在

ZSC001127的博客 1758

Qt6.10 | Qt Bluetooth 蓝牙

本文介绍了QtBluetooth模块的功能和使用方法,包括蓝牙API概述、构建配置(CMake/qmake)、权限管理、平台支持(Linux/macOS特殊处理)、日志设置及许可信息。重点说明Linux平台的后端选择机制,以及macOS上的依赖限制。最后提及蓝牙聊天示例,展示RFCOMM协议通信的实现。全文提供了蓝牙开发的技术要点和注意事项。

Qt历险记,专注Qt技术,三年医疗设备研发经验,1年机器视觉研发经验,半年柔性传感研发经验。 405

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

中山大学李华山、王彪课题组开发 SEN 机器学习模型,高精度预测材料性能

By 超神经内容一览:了解全局晶体对称性并分析等变信息,对于预测材料性能至关重要,但现有的、基于卷积网络的算法尚且无法完全实现这些需求。针对于此,中山大学的李华山、王彪课题组,开发了一款名为 SEN 的机器学习模型,准确感知了固有晶体对称性和材料结构团簇之间的相互作用。关键词:材料性能预测 深度学习 MP 数据库作者 | 李宝珠编辑 | 三羊晶体对称性对于研究材料的物理性质、理解晶体结构、...

HyperAI超神经 1255

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

CGCNN:借助晶格结构进行材料属性预测的深度学习框架

CGCNN:借助晶格结构进行材料属性预测的深度学习框架 项目地址:https://gitcode.com/gh_mirrors/cg/cgcnn 项目简介 是一个开源的深度学习模型,由 TXie 创建并维护。该项目致力于解决材料科学中的计算挑战,尤其是通过考虑晶体结构的周期性和局部环境来预测材料的物理和化学性质。该模型的核心是利用卷积神经网络(CNN)处理晶体的晶格数据,以实现高效且准确的材料属性...

gitblog_00092的博客 2366

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

深度学习在化学与材料科学领域的应用:分子设计与性能预测

1.背景介绍 在过去的几十年里,化学和材料科学领域的研究者们一直在寻找更有效的方法来设计新的分子和材料。传统的实验方法通常需要大量的时间和资源,而且结果往往难以预测。近年来,深度学习技术的发展为这个问题提供了新的解决方案。深度学习是一种基于人工神经网络的机器学习方法,它可以从大量的数据中学习和预测复杂的模式。在化学和材料科学领域,深度学习可以用于预测分子的性质,设计新的分子,以及预测材料的性能。...

AI天才研究院 1619

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 327

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 260

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 609

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 198

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 333

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 336

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 80

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 154
上一篇: AlphaGeometry:DeepMind 大算力再造奇迹,但「算力代替智力」或许并非最优解
下一篇: 每周编辑精选|RJUA-QA 医疗数据集上线、 3D 分子生成模型 ResGen 论文解析
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值