Penyimpanan Baterai & Energi

img-mv26vqxh-8161bd9a

 

Keterangan


Saring elektrolit, katoda, dan paduan penyimpan hidrogen berdasarkan prediksi sebelum Anda membuat sel. MatterSeek memprediksi sifat material dari komposisi. (150)

 

279

Penyimpanan Baterai & Energi — Sistem Material / Kinerja yang Dapat Diprediksi / Jalur Validasi

 

 

 

 

 

AI untuk Baterai dan Bahan Penyimpanan Energi — Menyaring Elektrolit dan Elektroda Sebelum Anda Membuat Sel

 

 

1. MatterSeek adalah platform penelitian dan pengembangan material AI untuk pengembangan baterai dan penyimpanan energi.

Ini memprediksi sifat material dari komposisi kimianya, sehingga elektrolit, katoda, anoda, pemisah, dan paduan penyimpan hidrogen dapat diberi peringkat dalam perangkat lunak sebelum sel apa pun dirakit atau didaur ulang.

2. Pengembangan baterai terhambat oleh kesenjangan antara tujuan desain dan kinerja yang terukur.

Reaksi samping antarmuka, transpor ionik, dan stabilitas termal muncul hanya setelah sel dibuat — dan setiap siklus pembuatan dan pengujian berlangsung lambat dan mahal. Hasilnya adalah putaran pengembangan di mana segelintir formulasi diuji secara mendalam, bukannya ruang luas yang disaring secara cerdas.

3. Saring ruang komposisi terlebih dahulu. Anda mendeskripsikan target —

Kumpulan elemen dasar ditambah jendela properti seperti persyaratan elektrokimia, termal, atau termodinamika — dan MatterSeek mengembalikan nilai properti yang diprediksi dengan ketidakpastian untuk setiap kandidat. Platform ini mendukung satu hingga empat elemen dasar dengan presisi tingkat doping 0,02, dan prediksi selesai dalam waktu sekitar satu menit untuk dua elemen dasar, dua menit untuk tiga elemen, dan tujuh menit untuk empat elemen dasar. Keluaran muncul dalam bentuk bagan radar multi-properti, peta panas 2D dan 3D yang menunjukkan perubahan properti di seluruh lanskap komposisi, dan tabel yang dapat diekspor.

4. Properti yang relevan dengan bahan penyimpanan.

Mesin prediksi mencakup kelompok properti elektrokimia, dielektrik, termal, termodinamika, dan struktural, termasuk titik leleh, laju pendinginan kritis untuk amorfisasi, koefisien Seebeck, faktor daya, dan angka manfaat termoelektrik — tiga yang terakhir relevan secara langsung dengan manajemen termal dan material konversi energi termoelektrik.

5. Validasi di laboratorium otonom.

Kandidat yang diprediksi mengalir ke laboratorium otonom MatterSeek seluas 1.200 m², yang memiliki enam kelompok proses yang mencakup peleburan vakum dengan pemadatan cepat, sintesis keadaan padat dengan pembentukan dan sintering, jalur hidrotermal dan kimia basah, serta sol-gel dengan pengeringan CO₂ superkritis — jalur yang menghasilkan bubuk elektroda, elektrolit padat, dan bahan pemisah berpori. Karakterisasi otomatis mencakup XRD, luas permukaan BET, analisis termal simultan dan Raman. Akurasi model mencapai 95,7%, dan setiap hasil yang diukur dimasukkan kembali untuk memperketat putaran prediksi berikutnya.

6. Kelompok bahan penyimpanan yang telah dibahas mencakup elektrolit padat,

komposisi katoda dan anoda, bahan pemisah dan membran keramik, bahan manajemen termal dan termoelektrik, dan paduan penyimpan hidrogen keadaan padat — yang terakhir dimasukkan langsung ke dalam kelompok peleburan vakum dan pemadatan cepat.

 

Pertanyaan Umum

 

 

T: Dapatkah MatterSeek menyaring elektrolit solid-state?

J: Ya. Anda menentukan komposisi dasar dan jendela properti yang Anda perlukan, dan platform mengembalikan kandidat yang diberi peringkat dengan properti yang diprediksi dan ketidakpastian sebelum sel apa pun dibuat.

T: Seberapa cepat prediksi dijalankan?

J: Sekitar satu menit untuk dua elemen dasar, dua menit untuk tiga elemen, dan tujuh menit untuk empat elemen dasar.

T: Apakah platform ini menangani bahan penyimpan hidrogen?

J: Ya — paduan penyimpan hidrogen berada dalam lingkup paduan logam yang ditangani oleh kelompok peleburan vakum dan pemadatan cepat.

Yuyao (Beijing) Technology Co., Ltd. adalah perusahaan profesional yang mengkhususkan diri dalam persimpangan AI dan material canggih penyimpanan baterai & energi. Perusahaan ini telah mengembangkan MatterSeek secara mandiri—model dasar besar yang disesuaikan dengan sektor material—dan memelopori algoritme HNN (Hierarchical Neural Network), sekaligus membangun database eksperimen material yang dapat dikontrol dan dipatenkan.