鋰離子電池（LIBs）的性能不僅與組成材料的電化學(xué)性能密切相關(guān)，而且與這些材料的形態(tài)也相關(guān)。LIBs電極和隔膜的孔結(jié)構(gòu)決定了鋰離子在電解質(zhì)中的有效傳輸系數(shù)。低有效傳輸會(huì)增加離子電阻，導(dǎo)致電壓損失（過電位）、可用容量減小和倍率容量降低。此外，活性粒子周圍的炭黑結(jié)合域（CBD）分布對(duì)于確保整個(gè)電池循環(huán)壽命期間的低電子電阻和機(jī)械穩(wěn)定性至關(guān)重要。單元中結(jié)構(gòu)的精確三維（3D）表示，其中不同的材料相被區(qū)分和標(biāo)記（即分割），有助于合理選擇材料、制造工藝和操作參數(shù)。

然而，獲得能夠精確分割和定量分析的3D重構(gòu)仍然面臨挑戰(zhàn)，主要有以下原因：1）LIBs電極中存在發(fā)散的長度標(biāo)度；2）關(guān)鍵組件之間的低對(duì)比度；3）碳基材料的低衰減。同時(shí)，在低導(dǎo)電活性粒子也含有導(dǎo)電添加劑（如納米級(jí)炭黑）的情況下，識(shí)別聚合物粘合劑域不僅需要高對(duì)比度，而且還需要高空間分辨率成像。因此，只能對(duì)具有有限數(shù)量活性粒子的小樣本體積進(jìn)行定量成像，而分析活性材料分布需要 5 倍最大粒徑或約100 μm 到厘米范圍內(nèi)才能具有代表性。此外，高分辨率成像通常需要很長的成像時(shí)間，使得通過對(duì)許多小樣本進(jìn)行連續(xù)成像來獲得電極尺度上的統(tǒng)計(jì)相關(guān)數(shù)據(jù)變得很困難。

近日，瑞士蘇黎世聯(lián)邦理工學(xué)院Vanessa Wood（通訊作者）等人報(bào)道了一種使用深度學(xué)習(xí)工具實(shí)現(xiàn)電極體積圖像可靠分割的方法，克服了標(biāo)準(zhǔn)分割方法因?qū)Ρ榷炔蛔愣〉膯栴}。作者實(shí)現(xiàn)了用于分割的3D U-Net體系結(jié)構(gòu)，為了克服通過成像實(shí)驗(yàn)獲得的訓(xùn)練數(shù)據(jù)的局限性，展示了如何生成合成學(xué)習(xí)數(shù)據(jù)，包括真實(shí)的人工電極結(jié)構(gòu)及其層析重構(gòu)，并將其用于增強(qiáng)網(wǎng)絡(luò)性能。作者應(yīng)用該方法來分割石墨-硅復(fù)合電極的x射線斷層顯微術(shù)圖像，并且表明它在標(biāo)準(zhǔn)度量中是準(zhǔn)確的。最后，作者將其應(yīng)用于對(duì)電池運(yùn)行期間炭黑和粘合劑疇的微觀結(jié)構(gòu)演變進(jìn)行統(tǒng)計(jì)意義上的分析。

綜上所述，該工作突出了除機(jī)器學(xué)習(xí)在電池中用于材料發(fā)現(xiàn)和故障預(yù)測(cè)的潛在用途外，利用計(jì)算機(jī)視覺空間中開發(fā)的算法分析電池內(nèi)的化學(xué)和結(jié)構(gòu)及其在循環(huán)過程中隨時(shí)間變化而演變具有重大潛力。收集和量化分析中存在明確定義錯(cuò)誤的大型數(shù)據(jù)集的能力是過去基于試驗(yàn)和錯(cuò)誤的材料、電池設(shè)計(jì)和評(píng)估的關(guān)鍵，也是實(shí)現(xiàn)更高級(jí)別電池模型和模擬驗(yàn)證的關(guān)鍵。

Deep learning-based segmentation of lithium-ion battery microstructures enhanced by artifificially generated electrodes.Nature Communications, 2021, DOI: 10.1038/s41467-021-26480-9.