Baterija i pohrana energije

Opis
Pregledajte elektrolite, katode i legure za skladištenje vodika predviđanjem prije nego što izgradite ćeliju. MatterSeek predviđa svojstva materijala iz sastava. (150)

Baterija i pohrana energije — Materijalni sustav / Predvidljiva izvedba / Validacijski put
AI za baterije i materijale za pohranu energije — Pregledajte elektrolite i elektrode prije nego što izgradite ćeliju
Predviđa svojstva materijala na temelju kemijskog sastava, tako da se elektroliti, katode, anode, separatori i legure za skladištenje vodika mogu rangirati u softveru prije nego što se bilo koja ćelija sastavi ili pokrene.
Popratne reakcije na međufazi, ionski transport i toplinska stabilnost pojavljuju se tek nakon što je ćelija izgrađena — a svaki ciklus izgradnje i testiranja je spor i skup. Rezultat je razvojna petlja u kojoj se pregršt formulacija temeljito testira umjesto da se inteligentno pregleda širok prostor.
Osnovni skup elemenata plus prozor svojstava kao što su elektrokemijski, toplinski ili termodinamički zahtjevi — i MatterSeek vraća predviđene vrijednosti svojstava s nesigurnošću za svakog kandidata. Platforma podržava jedan do četiri osnovna elementa s preciznošću razine dopinga od 0,02, a predviđanje se završava za oko jednu minutu za dva osnovna elementa, dvije minute za tri i sedam minuta za četiri. Izlaz se pojavljuje kao radarske karte s više svojstava, 2D i 3D toplinske mape koje pokazuju kako se svojstva mijenjaju kroz krajolik kompozicije i tablice za izvoz.
Motor za predviđanje pokriva obitelji elektrokemijskih, dielektričnih, toplinskih, termodinamičkih i strukturnih svojstava, uključujući točku taljenja, kritičnu brzinu hlađenja za amorfizaciju, Seebeckov koeficijent, faktor snage i termoelektričnu vrijednost - posljednja tri su izravno relevantna za materijale za upravljanje toplinom i termoelektričnu pretvorbu energije.
Predviđeni kandidati ulaze u MatterSeekov autonomni laboratorij od 1200 m², čijih šest procesnih klastera uključuje vakuumsko taljenje s brzim skrućivanjem, sintezu čvrstog stanja s oblikovanjem i sinteriranjem, hidrotermalne i vlažne kemijske rute te sol-gel s superkritičnim CO₂ sušenjem — rute koje proizvode elektrodne prahove, čvrste elektrolite i porozne materijale za separatore. Automatizirana karakterizacija pokriva XRD, BET površinu, simultanu toplinsku analizu i Raman. Točnost modela iznosi 95,7%, a svaki izmjereni rezultat vraća se kako bi se pooštrio sljedeći krug predviđanja.
katodni i anodni sastavi, materijali za separatore i keramičke membrane, materijali za upravljanje toplinom i termoelektrični materijali te legure za skladištenje vodika u čvrstom stanju — od kojih se posljednje izravno unose u klaster vakuumskog taljenja i brzog skrućivanja.
FAQ
P: Može li MatterSeek pregledati elektrolite u čvrstom stanju?
O: Da. Vi definirate osnovni sastav i prozor svojstava koji vam je potreban, a platforma vraća rangirane kandidate s predviđenim svojstvima i nesigurnošću prije nego što se izgradi bilo koja ćelija.
P: Koliko se brzo izvodi predviđanje?
O: Oko jedne minute za dva osnovna elementa, dvije minute za tri i sedam minuta za četiri.
P: Obrađuje li platforma materijale za skladištenje vodika?
O: Da — legure za skladištenje vodika nalaze se u opsegu metalnih legura kojima upravlja klaster za vakuumsko taljenje i brzo skrućivanje.
Yuyao (Beijing) Technology Co., Ltd. je profesionalna tvrtka specijalizirana za spoj AI i naprednih materijala za baterije i pohranu energije. Tvrtka je neovisno razvila MatterSeek—temeljni veliki model prilagođen sektoru materijala—i uvela algoritam HNN (Hijerarhijska neuronska mreža), dok je gradila vlasničku, kontroliranu bazu podataka o eksperimentima s materijalima.

