物理约束生成式AI设计电池微观结构:PC-cGAN按目标参数生成1283种NMC532正极
发表于《电源杂志》的新研究训练了一种物理约束条件生成对抗网络PC-cGAN,可按目标孔隙率、活性物质体积分数与迂曲度反向生成NMC532正极微观结构,共生成1283个样本,为单独研究迂曲度对离子传输的影响提供了实验难以实现的工具。
共 2 篇,B910化工,AI 化学信息库
发表于《电源杂志》的新研究训练了一种物理约束条件生成对抗网络PC-cGAN,可按目标孔隙率、活性物质体积分数与迂曲度反向生成NMC532正极微观结构,共生成1283个样本,为单独研究迂曲度对离子传输的影响提供了实验难以实现的工具。
美国西北大学团队在 ChemRxiv 预印本提出基于 Birch 还原化学的溶剂化电子快速补锂技术,可在室温数十秒内对失效 NMC532 正极直接再锂化,配合850°C氧气退火后再生材料首放容量159.49mAh/g、100圈循环保持率94.10%,超过未老化参比样的82.98%,为锂电池正极直接回收提供新路径。