机器学习+电池！清华冯旭宁/张强/欧阳明高院士，新发Joule！

文章预览

获取更多前沿期刊速递和精彩学术报告回放， 关注下方公众号👇🏻 成果简介 先进的电池技术需要精确预测多个组件之间的热化学反应，以有效地利用储存的能量并进行热管理。最近，机器学习(ML)有望解决这一复杂的热化学预测任务。然而，由于问题的高复杂性和可用于模型训练的实验数据极其有限，导致ML仍难以预测电池的热化学行为。 清华大学冯旭宁副教授、张强教授、欧阳明高院士 等人创新并验证了温度挖掘(TE)方法，该方法可以在最小的实验中，将热化学反应的动力学偏好解释为数百万个训练数据。在TE方法的帮助下， 作者建立了第一个普遍适用的电池热失控模型，该模型在500℃范围内对15种不同的商业和先进化学物质具有不同的电池格式实现了很高的预测精度，并涵盖了所有正常工作条件 。TE方法在各种ML算法上也表现出广泛的适应性 ………………………………