精品不卡一区二区,看内裤就知道快来月经了,人妻少妇乱子伦精品无码专区

?西交鄧俊楷EnSM：通過深度學習方法設計固體電解質層間納米結構實現鋰金屬負極的機械耐久性

由于鋰枝晶的生長，鋰金屬負極（LMA）面臨著重大的安全挑戰。固體電解質界面（SEI）在抑制枝晶生長方面起著至關重要的作用。SEI存在由嵌入的晶體顆粒(CP)組成的納米結構，這些CP的分布嚴重影響鋰金屬負極的機械耐久性，從而影響鋰枝晶的生長。因此，建立SEI 納米結構與其機械耐久性之間的相關性對于設計具有高安全性能的SEI至關重要。

在此，西安交通大學鄧俊楷團隊提出了一種卷積神經網絡(CNN)學習模型，基于實驗觀察冷凍電鏡圖像得到一個高通量有限元方法(FEM)數據集。CNN模型能夠準確預測SEI結構的機械失效時間(FT)。

此外，作者采用逆向蒙特卡羅(RMC)方法結合CNN模型探索具有較長FT的結構，最終確定了具有均勻排列CP的優化結構。此外，Ablation-CAM技術強調了CP分布在失效中的關鍵作用。

圖1. 數據集構建實例和 CNN 模型性能

總之，該工作利用提出的CNN模型建立了CP分布與SEI的FT之間的相關性。CNN模型表現出了良好的預測性能，在測試數據集上達到了0.861的高R2值。對比分析表明，將RMC方法與CNN模型耦合得到的OD結構具有一致的CP。與RD結構110.24 s的FT相比，其FT顯著增加了9倍以上。

此外，設計的PD結構顯示了超過RD結構126倍的FT。因此，該工作為SEI的結構設計提供了有價值的指導，為提高LMA的機械耐久性提供了有前景的解決方案。

圖2. RD、OD 和 PD 的 Ablation-CAM 和 FEM 結果

Design of Nanostructure in Solid Electrolyte Interphase for Enhancing the Mechanical Durability of Lithium Metal Anode by Deep-Learning Approach, Energy Storage Materials 2023 DOI: 10.1016/j.ensm.2023.103096

原創文章，作者：wdl，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2024/01/17/d927c46c28/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

?西交鄧俊楷EnSM：通過深度學習方法設計固體電解質層間納米結構實現鋰金屬負極的機械耐久性

相關推薦