배터리 및 에너지 저장

설명
전지를 만들기 전에 예측을 통해 전해질, 음극 및 수소 저장 합금을 선별합니다. MatterSeek는 구성으로부터 재료 특성을 예측합니다. (150)

배터리 및 에너지 저장 장치 - 재료 시스템 / 예측 가능한 성능 / 검증 경로
배터리 및 에너지 저장 재료용 AI - 셀을 만들기 전에 전해질 및 전극을 스크린합니다.
화학적 조성을 통해 재료 특성을 예측하므로 전지를 조립하거나 순환하기 전에 전해질, 음극, 양극, 분리막 및 수소 저장 합금의 순위를 소프트웨어에서 지정할 수 있습니다.
계면 부반응, 이온 전달 및 열 안정성은 셀이 구축된 후에만 나타나며 각 구축 및 테스트 주기는 느리고 비용이 많이 듭니다. 그 결과 넓은 공간을 지능적으로 선별하는 대신 소수의 제제를 철저하게 테스트하는 개발 루프가 탄생했습니다.
기본 요소 세트와 전기화학, 열 또는 열역학 요구 사항과 같은 속성 창과 MatterSeek는 각 후보에 대한 불확실성과 함께 예측된 속성 값을 반환합니다. 플랫폼은 도핑 수준 정밀도 0.02로 1~4개의 기본 요소를 지원하며, 2개의 기본 요소는 약 1분, 3개는 2분, 4개는 7분 만에 예측이 완료됩니다. 출력은 다중 속성 레이더 차트, 컴포지션 환경에서 속성이 어떻게 이동하는지 보여주는 2D 및 3D 히트 맵, 내보낼 수 있는 테이블로 나타납니다.
예측 엔진은 녹는점, 비정질화를 위한 임계 냉각 속도, 제벡 계수, 역률 및 열전 성능 지수를 포함하여 전기화학, 유전체, 열, 열역학 및 구조적 특성 제품군을 다룹니다. 마지막 세 가지는 열 관리 및 열전 에너지 변환 재료와 직접적으로 관련됩니다.
예상 후보 물질은 MatterSeek의 1,200m² 규모의 자율 실험실로 유입됩니다. 이 실험실의 6개 프로세스 클러스터에는 급속 응고를 통한 진공 용해, 성형 및 소결을 통한 고체 합성, 열수 및 습식 화학 경로, 초임계 CO2 건조를 통한 졸-겔(전극 분말, 고체 전해질 및 다공성 분리막 재료를 생성하는 경로)이 포함됩니다. 자동 특성화에는 XRD, BET 표면적, 동시 열 분석 및 Raman이 포함됩니다. 모델 정확도는 95.7%이며, 모든 측정 결과는 다음 예측 라운드를 강화하기 위해 피드백됩니다.
음극 및 양극 구성 요소, 분리막 및 세라믹 막 재료, 열 관리 및 열전 재료, 고체 수소 저장 합금 등이 있으며, 이들 중 마지막은 진공 용융 및 급속 응고 클러스터에 직접 공급됩니다.
FAQ
Q: MatterSeek에서 고체 전해질을 검사할 수 있습니까?
답: 그렇습니다. 필요한 기본 구성과 속성 창을 정의하면 플랫폼은 셀이 구축되기 전에 예상 속성과 불확실성을 포함하여 순위가 매겨진 후보를 반환합니다.
Q: 예측 실행 속도는 얼마나 됩니까?
A: 기본 요소 2개는 약 1분, 3개는 2분, 4개는 7분 정도 소요됩니다.
Q: 플랫폼이 수소 저장 물질을 처리합니까?
A: 그렇습니다. 수소 저장 합금은 진공 용융 및 급속 응고 클러스터에 의해 처리되는 금속 합금 범위 내에 있습니다.
Yuyao (Beijing) Technology Co., Ltd.는 AI와 배터리 및 에너지 저장 첨단 소재의 교차점을 전문으로 하는 전문 회사입니다. 이 회사는 재료 부문에 맞춘 기본 대형 모델인 MatterSeek를 독립적으로 개발하고 HNN(Hierarchical Neural Network) 알고리즘을 개척하는 동시에 독점적이고 제어 가능한 재료 실험 데이터베이스를 구축했습니다.

