美国研发GDL模型加快电池充电速度
10月5日，美国卡内基梅隆大学研发出一种应用于化学混合物的可微分几何深度学习（GDL）模型，可显著提高电解质的离子导电性，加快电池充电速度。该成果发表在《自然通讯》（Nature Communications）上。
电解质在下一代电池系统的设计中起着至关重要的作用，其能够实现高效的离子传输、防止电荷转移并稳定电极-电解质界面。基于此，研究团队研发出一种应用于化学混合物的可微分几何深度学习（GDL）模型，即DiffMix。该模型被用于指导机器人实验及优化，旨在实现快速充电电池电解质的目标。
该模型评估了混合物热力学和离子传输性质，展示了比纯数据驱动变体更高的预测准确性和模型鲁棒性。此外，借助机器人实验平台Clio并基于DiffMix梯度的可微分优化，在10个实验步骤内，可使电解质的离子导电性提高超过18.8%。通过将GDL、混合物物理定律与机器人实验相结合，DiffMix不仅拓展了化学混合物的预测建模方法，并有效优化了大型化学空间。该研究对设计下一代电池系统具有重要意义，也为跨学科研究开辟了新途径。
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/62770.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。
