|
能源儲存是許多快速發展的可持續技術的重要組成部分，包括電動汽車和可再生能源發電。盡管鋰離子電池（LIB）主導著當前的市場，但鋰是一種相對稀缺且昂貴的元素，給經濟和供應的穩定性帶來了挑戰。因此，世界各地的研究人員正在試驗用更豐富的材料制成的新型電池。 鈉離子電池使用鈉離子作為能量載體，由于鈉含量豐富，安全性更高，成本可能更低，因此是鋰離子電池的一個有前景的替代品。特別是，含鈉的過渡金屬層狀氧化物（NaMeO2）是鈉離子電池正極的理想材料，具有卓越的能量密度和容量。然而，對于由幾種過渡金屬組成的多元素層狀氧化物，其可能的組合數量之多使得尋找最佳組合既復雜又耗時。即使過渡金屬的選擇和比例發生微小的變化，也會導致晶體形態的顯著變化，從而影響電池的性能。 最近，由日本東京理科大學領導的一個研究小組在一項研究中利用機器學習來簡化對有前途的NaMeO2成分的篩選。他們的研究成果最近在線發表在《材料化學雜志A》（Journal of Materials Chemistry A）上。 該團隊試圖自動篩選各種O3型NaMeO2材料中的元素組成。為此，他們首先建立了一個數據庫，其中包括100個樣品，涵蓋了68種不同的成分。然后，研究人員使用該數據庫訓練了一個模型，該模型結合了幾種機器學習算法和貝葉斯優化，以進行有效的搜索。該模型的目標是了解工作電壓、容量保持（壽命）和能量密度等特性如何與NaMeO2層狀氧化物的組成相關，并預測實現這些特性所需的最佳元素比例。 使用機器學習來識別有前景的材料是材料科學中日益增長的趨勢，因為它可以幫助科學家大大減少篩選新材料所需的實驗次數和時間。這項研究中提出的策略可以加速下一代電池的開發，可能會徹底改變儲能技術。 《每日科學》網站（www.sciencedaily.com） |
