-
sjzlwlb
加關注0
沒有留下簽名~~
推薦圖文
推薦鋰電資訊
點擊排行
電池網團隊經過試驗數據搭建了一個猜測模型。根據現有的數據，成員們練習出了一種核算機算法，它能夠去區分固態電解質化合物的好壞。這個進程和人臉辨認很相似，機器在觀察幾個給出的樣本后，經過深度學習不斷進步辨認的準確度。
Sendek表明“已知的含鋰化合物的數量有幾萬個，咱們做過測驗的僅占很小一部分，但是其間一些化合物也許即是咱們正在尋覓的完美的導體。因而咱們樹立了一種核算模型，它經過對咱們現已得出的現有數據進行學習，能夠從無窮的化合物數據庫種選擇出有也許到達咱們請求的資料。而且這種選擇辦法的速度比咱們現有選擇辦法的速度要快100萬倍左右。”
為了樹立這種核算模型，Sendek花費了大約兩年的時刻搜集了一切和含鋰固態化合物有關的已知科學數據，工程量之大可想而知。這項論文的高檔作者，資料科學和工程專業的助理教授Evan Reed在采訪中表明“為了樹立這個模型，Austin搜集了和這些資料有關的一切的人類智慧，以及曩昔幾十年的丈量和試驗數據。
恰是這些數據使得Austin得以樹立一個具有猜測才能的模型，猜測某種資料是會是好的固態電解質。這種辦法使得咱們能夠以對比快的速度對一切的含鋰化合物進行選擇，然后找出合適進一步研討的最好候選資料”。
這個猜測模型運用了幾個評判規范對候選資料進行選擇，包括穩定性、本錢、富含量、鋰離子導電才能以及在電池電路中為電子從頭計劃路徑的才能。候選的資料是從“ The Materials Project”數據庫中選擇出來的，科學家們能夠從這個數據庫中探究上千個資料的物理和化學功能。
Sendek告訴鋰電池廠商“咱們對超過12000個含鋰化合物進行了選擇，挑出了21個對比有潛力的固態電解質，整個選擇進程只需大約幾分鐘。我的大多數時刻本來都用來搜集和管理一切的數據，以及開發界說模型猜測準確度的衡量機制。”研討人員們終究決議對這21種資料進行試驗室測驗，然后決議哪一種資料更合適應用于現實場景中。
Reed表明“咱們的辦法能夠解決多種和資料有關的疑問，而且能夠進步這些范疇的研討投資作用。跟著數據量的增多以及電腦技術的進步，咱們的立異才能也將以指數方式進步。”
