清华大学欧阳明高、张强、冯旭宁Joule!

锂电联盟会长 2024-08-30 10:01

点击左上角“锂电联盟会长”,即可关注!

蓬勃发展和不断进步的电池行业目前面临着准确预测多个组分之间高度相关的热化学反应行为的严峻挑战,这阻碍了储存能量的利用和电池安全的设计。为了解决这一高度复杂的热化学预测任务,迫切需要利用具有增强分析和预测能力的机器学习(ML)模型,这些模型通常与大规模参数(超过104个参数)相关联。实际上,一个超过104个参数的较大ML模型需要超过104个训练数据才能有效;否则,由于过拟合问题,它可能会产生误导性的结果。然而,据我们所知,现有的电池热化学数据库远远落后于这一规模要求。预测复杂性与数据稀缺性之间的显著差距从根本上阻碍了电池热化学中的ML驱动研究。
先前的研究试图通过扩大实验规模来解决这一数据稀缺困境。已经证明,高通量自动化实验平台可以同时进行数千个并行性能测试。然而,规模为103的训练数据只能支持小于103个参数的微小ML模型,远远不足以训练需要超过104甚至数十亿个参数的更大的深度学习模型。例如,著名的Chat Generative Pre-Trained Transformer (ChatGPT)模型大约有1750亿个参数。此外,这些自动化实验平台大多是为专门的实施而设计的,并且建造成本高昂。进行实际实验和收集数据也需要相当的时间。    
除了自动化平台,从现有文献中进行数据挖掘,有时辅以ChatGPT的帮助,也已被报道用于扩大训练数据量。在实践中,数据挖掘的适用性相对较窄。这种挖掘方法更适合于研究领域发达、具有全球认可和标准化实验程序和评估指标的问题。在大多数尖端电池研究中,由于实验规格和描述方法的一致性较低,从广泛的文献来源提取训练数据可能会导致误导并产生不可靠的ML模型。
一些研究还使用基于机制的模型生成广泛的训练数据集。然而,基于模型的数据集训练的ML只与机制方程一致,而不是实际实验。此外,尽管图像和语言处理领域已经发展出复杂的数据增强技术,如旋转、裁剪、插入或切片,但将这些技术应用于热化学实验可能会产生不完整的数据,这些数据不能完全描述反应过程,或者可能违反能量和质量守恒的基本定律,导致不可靠的结果。
近日,清华大学冯旭宁、张强、欧阳明高联合提出了温度挖掘(TE)方法,该方法在有限的实验中显现出潜在的反应动力学偏好,从而将其解释为大规模、高质量的数字化数据,几乎不增加成本。TE方法经过针对电池热失控(TR)的严格挑战的测试,TR涉及数十个相关的热化学反应,多种高反应性化学品和自由基,超过1000°C的广泛温度范围,以及由于与TR相关的火灾和爆炸的高成本和危险性,实验规模通常非常有限(通常少于10)。通过沿温度轴切片、重复和重采样实验结果,TE方法从21个实验中输出了762万602个训练数据集。基于这些大量的训练数据,构建了一个TR预测ML模型(具有约35,000个参数),并成功避免了严重的过拟合问题,实现了比原始数据集训练的模型高130倍的预测准确性。同时,ML模型在商业和先进电池化学(包括具有LiFePO4 [LFP]阴极、层状氧化物阴极、基于石墨和硅的阳极以及不同的电解液;Li金属、Li-S和Na离子化学)、大型和小型电池格式以及所有正常工作条件(0% - 100%充电和退化状态)下表现出前所未有的通用性。此外,TE方法可以无缝适应各种领先的ML算法,包括人工神经网络(ANN)、卷积神经网络(CNN)、循环神经网络(RNN)和变换器结构,使TE方法成为ML工具和热化学实验之间的通用解释器。    
该成果以“Temperature excavation to boost machine learning battery thermochemical predictions”为题发表在《Joule》期刊,第一作者是清华大学化学工程系的Yu Wang。

【工作要点】
背景与挑战:化学领域的人工智能在获取低成本、高质量的大规模实验数据方面面临挑战。
电池技术的发展需要精确预测复杂的热化学反应,但现有数据量远远不足以训练大型机器学习模型。
温度挖掘方法:作者提出,实验数据并非真的稀缺,而是缺乏有效的方法来挖掘潜在的反应动力学知识。通过沿温度轴对实验结果进行切片、重复和重采样,可以建立一种新的方法来揭示有限实验中的“动力学偏好”。
数据集扩展:TE方法能够将少量的实验结果转化为数百万高质量的数据集,几乎不增加成本。这种方法显著扩展了可用于机器学习模型训练的数据规模。
机器学习模型的构建与验证:利用TE方法生成的数据集,构建了首个普适的电池热失控(Thermal Runaway, TR)预测模型。该模型在不同的电池化学成分、电池格式和正常工作条件下均表现出高预测准确性。
算法独立性:TE方法支持多种机器学习算法,包括人工神经网络(ANN)、卷积神经网络(CNN)、循环神经网络(RNN)和变换器结构。这证明了TE方法与特定算法无关,具有广泛的适用性。
实验成本节约:TE方法通过数据增强技术,减少了获取大量实验数据的需求,从而显著降低了实验成本。    
图1:通过温度挖掘实现对电池热化学反应精确且通用的机器学习预测。    
图2:在热化学机器学习开发中应用温度挖掘(TE)方法的程序。    
图3:利用温度挖掘(TE)支持的机器学习模型预测电池热失控。    
图4:TE支持的热失控(TR)模型的卓越拟合质量、准确性和通用性。
【结论】
数据稀缺问题的解决:通过TE方法,作者成功地将有限的实验结果转化为数百万高质量的训练数据点,显著扩展了可用于机器学习模型训练的数据规模。预测准确性的提升:TE方法支持的机器学习模型在电池热失控(TR)预测任务中表现出卓越的准确性,预测误差比传统方法降低了130倍。模型的泛化能力:TE方法支持的模型不仅在训练数据上表现良好,而且在新的实验数据和文献数据上也展现出高预测准确性,证明了其广泛的适用性和泛化能力。算法独立性:TE方法与多种机器学习算法(如ANN、CNN、RNN和变换器)兼容,表明其不依赖于特定的算法结构,具有高度的灵活性。实验成本的节约:TE方法通过数据增强技术,减少了获取大量实验数据的需求,从而显著降低了实验成本,估计节约超过152.5亿美元。推动电池安全设计:TE方法的应用可以显著提高电池安全设计的效率,有助于电池设计的优化和安全评估。促进热化学及相关领域的研究:TE方法的普适性和灵活性为热化学和所有与热相关的研究领域提供了新的机遇,有助于推动这些领域的机器学习应用。未来应用前景:TE方法为电池热化学研究提供了一种新的数据获取和利用策略,有助于预测各种电池热行为,如过充电时的温度上升、热失控传播行为或不同温度下的电阻变化。    
总结来说,TE方法为解决电池热化学预测中的复杂性和数据稀缺性问题提供了一种有效的解决方案,具有重要的科学和工程应用价值。
Wang, Y., Feng, X., Guo, D., Hsu, H., Hou, J., Zhang, F., Xu, C., Chen, X., Wang, L., Zhang, Q., & Ouyang, M. (2024). Temperature excavation to boost machine learning battery thermochemical predictions. Joule, 8(3), 1–13. https://doi.org/10.1016/j.joule.2024.07.002   

锂电联盟会长向各大团队诚心约稿,课题组最新成果、方向总结、推广等皆可投稿,请联系:邮箱libatteryalliance@163.com或微信Ydnxke。
相关阅读:
锂离子电池制备材料/压力测试
锂电池自放电测量方法:静态与动态测量法
软包电池关键工艺问题!
一文搞懂锂离子电池K值!
工艺,研发,机理和专利!软包电池方向重磅汇总资料分享!
揭秘宁德时代CATL超级工厂!
搞懂锂电池阻抗谱(EIS)不容易,这篇综述值得一看!
锂离子电池生产中各种问题汇编
锂电池循环寿命研究汇总(附60份精品资料免费下载)

锂电联盟会长 研发材料,应用科技
评论
  • 请移步 gitee 仓库 https://gitee.com/Newcapec_cn/LiteOS-M_V5.0.2-Release_STM32F103_CubeMX/blob/main/Docs/%E5%9F%BA%E4%BA%8ESTM32F103RCT6%E7%A7%BB%E6%A4%8DLiteOS-M-V5.0.2-Release.md基于STM32F103RCT6移植LiteOS-M-V5.0.2-Release下载源码kernel_liteos_m: OpenHarmon
    逮到一只程序猿 2025-02-27 08:56 195浏览
  • 在物联网领域中,无线射频技术作为设备间通信的核心手段,已深度渗透工业自动化、智慧城市及智能家居等多元场景。然而,随着物联网设备接入规模的不断扩大,如何降低运维成本,提升通信数据的传输速度和响应时间,实现更广泛、更稳定的覆盖已成为当前亟待解决的系统性难题。SoC无线收发模块-RFM25A12在此背景下,华普微创新推出了一款高性能、远距离与高性价比的Sub-GHz无线SoC收发模块RFM25A12,旨在提升射频性能以满足行业中日益增长与复杂的设备互联需求。值得一提的是,RFM25A12还支持Wi-S
    华普微HOPERF 2025-02-28 09:06 141浏览
  • 2025年2月26日,广州】全球领先的AIoT服务商机智云正式发布“Gokit5 AI智能体开发板”,该产品作为行业首个全栈式AIoT开发中枢,深度融合火山引擎云原生架构、豆包多模态大模型、扣子智能体平台和机智云Aiot开发平台,首次实现智能体开发全流程工业化生产模式。通过「扣子+机智云」双引擎协同架构与API开放生态,开发者仅需半天即可完成智能体开发、测试、发布到硬件应用的全流程,标志着智能体开发进入分钟级响应时代。一、开发框架零代码部署,构建高效开发生态Gokit5 AI智能体开发板采用 “
    机智云物联网 2025-02-26 19:01 162浏览
  •         近日,广电计量在聚焦离子束(FIB)领域编写的专业著作《聚焦离子束:失效分析》正式出版,填补了国内聚焦离子束领域实践性专业书籍的空白,为该领域的技术发展与知识传播提供了重要助力。         随着芯片技术不断发展,芯片的集成度越来越高,结构也日益复杂。这使得传统的失效分析方法面临巨大挑战。FIB技术的出现,为芯片失效分析带来了新的解决方案。它能够在纳米尺度上对芯片进行精确加工和分析。当芯
    广电计量 2025-02-28 09:15 116浏览
  • RGB灯光无法同步?细致的动态光效设定反而成为产品客诉来源!随着科技的进步和消费者需求变化,电脑接口设备单一功能性已无法满足市场需求,因此在产品上增加「动态光效」的形式便应运而生,藉此吸引消费者目光。这种RGB灯光效果,不仅能增强电脑周边产品的视觉吸引力,还能为用户提供个性化的体验,展现独特自我风格。如今,笔记本电脑、键盘、鼠标、鼠标垫、耳机、显示器等多种电脑接口设备多数已配备动态光效。这些设备的灯光效果会随着音乐节奏、游戏情节或使用者的设置而变化。想象一个画面,当一名游戏玩家,按下电源开关,整
    百佳泰测试实验室 2025-02-27 14:15 137浏览
  • 更多生命体征指标风靡的背后都只有一个原因:更多人将健康排在人生第一顺位!“AGEs,也就是晚期糖基化终末产物,英文名Advanced Glycation End-products,是存在于我们体内的一种代谢产物” 艾迈斯欧司朗亚太区健康监测高级市场经理王亚琴说道,“相信业内的朋友都会有关注,最近该指标的热度很高,它可以用来评估人的生活方式是否健康。”据悉,AGEs是可穿戴健康监测领域的一个“萌新”指标,近来备受关注。如果站在学术角度来理解它,那么AGEs是在非酶促条件下,蛋白质、氨基酸
    艾迈斯欧司朗 2025-02-27 14:50 400浏览
  • 应用趋势与客户需求,AI PC的未来展望随着人工智能(AI)技术的日益成熟,AI PC(人工智能个人电脑)逐渐成为消费者和企业工作中的重要工具。这类产品集成了最新的AI处理器,如NPU、CPU和GPU,并具备许多智能化功能,为用户带来更高效且直观的操作体验。AI PC的目标是提升工作和日常生活的效率,通过深度学习与自然语言处理等技术,实现更流畅的多任务处理、实时翻译、语音助手、图像生成等功能,满足现代用户对生产力和娱乐的双重需求。随着各行各业对数字转型需求的增长,AI PC也开始在各个领域中显示
    百佳泰测试实验室 2025-02-27 14:08 252浏览
  • 1,微软下载免费Visual Studio Code2,安装C/C++插件,如果无法直接点击下载, 可以选择手动install from VSIX:ms-vscode.cpptools-1.23.6@win32-x64.vsix3,安装C/C++编译器MniGW (MinGW在 Windows 环境下提供类似于 Unix/Linux 环境下的开发工具,使开发者能够轻松地在 Windows 上编写和编译 C、C++ 等程序.)4,C/C++插件扩展设置中添加Include Path 5,
    黎查 2025-02-28 14:39 140浏览
  • 一、VSM的基本原理震动样品磁强计(Vibrating Sample Magnetometer,简称VSM)是一种灵敏且高效的磁性测量仪器。其基本工作原理是利用震动样品在探测线圈中引起的变化磁场来产生感应电压,这个感应电压与样品的磁矩成正比。因此,通过测量这个感应电压,我们就能够精确地确定样品的磁矩。在VSM中,被测量的样品通常被固定在一个震动头上,并以一定的频率和振幅震动。这种震动在探测线圈中引起了变化的磁通量,从而产生了一个交流电信号。这个信号的幅度和样品的磁矩有着直接的关系。因此,通过仔细
    锦正茂科技 2025-02-28 13:30 100浏览
  • 美国加州CEC能效跟DOE能效有什么区别?CEC/DOE是什么关系?美国加州CEC能效跟DOE能效有什么区别?CEC/DOE是什么关系?‌美国加州CEC能效认证与美国DOE能效认证在多个方面存在显著差异‌。认证范围和适用地区‌CEC能效认证‌:仅适用于在加利福尼亚州销售的电器产品。CEC认证的范围包括制冷设备、房间空调、中央空调、便携式空调、加热器、热水器、游泳池加热器、卫浴配件、光源、应急灯具、交通信号模块、灯具、洗碗机、洗衣机、干衣机、烹饪器具、电机和压缩机、变压器、外置电源、消费类电子设备
    张工nx808593 2025-02-27 18:04 120浏览
  •           近日受某专业机构邀请,参加了官方举办的《广东省科技创新条例》宣讲会。在与会之前,作为一名技术工作者一直认为技术的法例都是保密和侵权方面的,而潜意识中感觉法律有束缚创新工作的进行可能。通过一个上午学习新法,对广东省的科技创新有了新的认识。广东是改革的前沿阵地,是科技创新的沃土,企业是创新的主要个体。《广东省科技创新条例》是广东省为促进科技创新、推动高质量发展而制定的地方性法规,主要内容包括: 总则:明确立法目
    广州铁金刚 2025-02-28 10:14 103浏览
  • 构建巨量的驾驶场景时,测试ADAS和AD系统面临着巨大挑战,如传统的实验设计(Design of Experiments, DoE)方法难以有效覆盖识别驾驶边缘场景案例,但这些边缘案例恰恰是进一步提升自动驾驶系统性能的关键。一、传统解决方案:静态DoE标准的DoE方案旨在系统性地探索场景的参数空间,从而确保能够实现完全的测试覆盖范围。但在边缘案例,比如暴露在潜在安全风险的场景或是ADAS系统性能极限场景时,DoE方案通常会失效,让我们看一些常见的DoE方案:1、网格搜索法(Grid)实现原理:将
    康谋 2025-02-27 10:00 252浏览
  • 在2024年的科技征程中,具身智能的发展已成为全球关注的焦点。从实验室到现实应用,这一领域正以前所未有的速度推进,改写着人类与机器的互动边界。这一年,我们见证了具身智能技术的突破与变革,它不仅落地各行各业,带来新的机遇,更在深刻影响着我们的生活方式和思维方式。随着相关技术的飞速发展,具身智能不再仅仅是一个技术概念,更像是一把神奇的钥匙。身后的众多行业,无论愿意与否,都像是被卷入一场伟大变革浪潮中的船只,注定要被这股汹涌的力量重塑航向。01为什么是具身智能?为什么在中国?最近,中国具身智能行业的进
    艾迈斯欧司朗 2025-02-28 15:45 221浏览
  • Matter 协议,原名 CHIP(Connected Home over IP),是由苹果、谷歌、亚马逊和三星等科技巨头联合ZigBee联盟(现连接标准联盟CSA)共同推出的一套基于IP协议的智能家居连接标准,旨在打破智能家居设备之间的 “语言障碍”,实现真正的互联互通。然而,目标与现实之间总有落差,前期阶段的Matter 协议由于设备支持类型有限、设备生态协同滞后以及设备通信协议割裂等原因,并未能彻底消除智能家居中的“设备孤岛”现象,但随着2025年的到来,这些现象都将得到完美的解决。近期,
    华普微HOPERF 2025-02-27 10:32 212浏览
  • 振动样品磁强计是一种用于测量材料磁性的精密仪器,广泛应用于科研、工业检测等领域。然而,其测量准确度会受到多种因素的影响,下面我们将逐一分析这些因素。一、温度因素温度是影响振动样品磁强计测量准确度的重要因素之一。随着温度的变化,材料的磁性也会发生变化,从而影响测量结果的准确性。因此,在进行磁性测量时,应确保恒温环境,以减少温度波动对测量结果的影响。二、样品制备样品的制备过程同样会影响振动样品磁强计的测量准确度。样品的形状、尺寸和表面处理等因素都会对测量结果产生影响。为了确保测量准确度,应严格按照规
    锦正茂科技 2025-02-28 14:05 134浏览
我要评论
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦