机器学习加速电池电极微观表征：SRGAN超分辨让EBSD通量大幅提升
美国NREL与科罗拉多矿业学院研究团队在arXiv发布研究，用生成对抗网络（SRGAN）对锂电池NMC正极颗粒的电子背散射衍射（EBSD）数据做计算增强超分辨，从低分辨数据重建高分辨微观组织，大幅提升表征通量。EBSD是优化电芯性能的关键表征手段但速度极慢，该方法为电池材料的统计性微观结构分析提供了AI加速路径。8月19日提交。
NREL
共 1 篇 · B910 化工资讯聚合
共 1 篇 · B910 化工资讯聚合
美国NREL与科罗拉多矿业学院研究团队在arXiv发布研究，用生成对抗网络（SRGAN）对锂电池NMC正极颗粒的电子背散射衍射（EBSD）数据做计算增强超分辨，从低分辨数据重建高分辨微观组织，大幅提升表征通量。EBSD是优化电芯性能的关键表征手段但速度极慢，该方法为电池材料的统计性微观结构分析提供了AI加速路径。8月19日提交。
