AI 篩選電池材料，廣州大學葉思宇院士開發可用于 P-SOC 材料預測的機器學習算法模型

AIGC動態歡迎閱讀

原標題：AI 篩選電池材料，廣州大學葉思宇院士開發可用于 P-SOC 材料預測的機器學習算法模型
關鍵字：質子,電極,模型,燃料電池,氧化物
文章來源：HyperAI超神經
內容字數：5157字

內容摘要：

作者：田小幺
編輯：李寶珠，三羊
封面圖來源：攝圖網
廣州大學的研究人員建立了一種基于極限梯度增強 (XGBoost) 算法的機器學習模型，可用于 P-SOC 空氣電極的篩選。新能源現在有多火？據中汽協數據顯示，2023年 1-11 月，新能源汽車在我國的市場占有率已達到 30.8%，這背后帶來的是鋰電池行業的持續繁榮。然而，在鋰電池技術之外，固態電池也是資本和企業追逐的方向，甚至被譽為「電動車的終點」。近年來，中美日德的汽車及電池企業紛紛入場，固態電池產業經歷了最初的資本狂歡，進入了更加務實的落地探索階段。
資本與行業的高度關注極大地推動了相關領域的科研進展，以清潔能源為燃料的電池技術發展也帶動了關鍵材料的創新。其中，質子導電固體氧化物電池 (P-SOC) 具備可低溫化操作、離子傳導活化能低等優點，逐漸被人們所熟知，并受到越來越多的關注。
然而，開發高性能 P-SOC 的一大障礙就是缺乏高效的質子導體空氣電極。目前，P-SOC 廣泛使用的空氣電極材料是基于 Co/Fe 的鈣鈦礦氧化物，但還沒有系統的研究表明不同元素在基于 Co/Fe 的鈣鈦礦氧化物中 B 位上的作用。
為了解決這一難

原文鏈接：AI 篩選電池材料，廣州大學葉思宇院士開發可用于 P-SOC 材料預測的機器學習算法模型

聯系作者

文章來源：HyperAI超神經
作者微信：HyperAI
作者簡介：解構技術先進性與普適性，解讀更前沿的 AIForScience 案例