天天看點

電極多層次結構的歸納了解、構築政策與基因工程

作者:新锂念

【研究背景】

從電化學反應的基本原理出發,深入了解電極極片微觀結構的多層次性及其構效關系是支撐電池技術發展的重要基石。然而,可能由于其組成及結構的複雜性,這一點依然面臨較大挑戰。與此同時,如何優化并控制電極不同層次的微結構也成為電池技術的核心研究内容。是以,系統梳理并有機了解電極不同層次微結構及其對應的構築控制政策,并探究人工智能時代下的電池制造技術發展的可能趨勢将具有極其重要的時代意義。

【工作介紹】

有鑒于此,四川大學微粘控加工與先進電池團隊(MAGIC Group)王宇特聘研究員聯合清華大學張強教授,基于前期在電極中提出的活性顆粒微環境概念(Advanced Energy Materials, 2023, 13, 2203272;Energy Storage Materials 45, (2022) 828-839, Energy Storage Materials 40, (2021) 415-425, J Energy Chem 72, (2022) 41-55) ,進一步通過仿生思考,将電池看成一個電化學生命系統,電極則看成是完成電化學反應的“細胞組織”。通過對比學習蛋白質的多層次結構,系統梳理了電極微觀結構的多層次性(見圖1)。

電極多層次結構的歸納了解、構築政策與基因工程

圖1:類比蛋白質多層次結構,了解電極微觀結構的多層次性

電極多層次結構的歸納了解、構築政策與基因工程

圖2:按照電極微觀結構的多層次性,歸納總結其相關的構築政策

電極多層次結構的歸納了解、構築政策與基因工程

圖3:基于不同層次結構的調控政策,提出用于電極微結構多層次調控的基因工程構想,以最終實作電池的按需制造。

基于上述新的了解,作者進一步梳理總結了不同層次電極微結構的相關調控政策,并粗略對比了不同調控政策在經濟性、效率、規模化能力以及能耗方面的不同表現。最終實作了不同政策的歸類和編碼,如圖2所示。在未來展望部分,作者還針對人工智能時代下機器學習的優勢,展望電池制造基因工程的可能性。其大緻思路是,先對不同層次微結構的構築政策進行編碼(P-level, S-level and T-level),然後通過機器學習建立不同構築政策對電化學性能的控制規律,最後根據目标電池的性能對結構的具體要求,生成優化的電極微結構控制政策序列(如圖3所示)。借用該思想,有望實作電池微結構的按需制造,進而加速電池技術的進步。

上述工作發表在能源類國際知名期刊Adv. Energy Mater.上,傅雪薇特聘副研究員為第一作者,張強教授、楊偉教授、王宇特聘研究員為本論文的共同通訊作者。

Xuewei Fu, Yonghan Zhou, Lanxiang Feng, Peng Yu, Jieyang Huang, Qiang Zhang*, Wei Yang* and Yu Wang*, Rethinking the Electrode Multiscale Microstructures: A Review on Structuring Strategies towards Battery Manufacturing Genome, Advanced Energy Materials, 2023.

https://doi.org/10.1002/aenm.202301385

注:本站轉載的文章大部分收集于網際網路,文章版權歸原作者及原出處所有。文中觀點僅供分享交流,如涉及版權等問題,請您告知,我将及時處理。

繼續閱讀