上海大学材料基因组工程研究院
- 作品数：231 被引量：359H指数：9
- 相关作者：徐志超高健高兴华李鑫更多>>
- 相关机构：东北大学材料科学与工程学院中国科学院上海硅酸盐研究所东北大学材料科学与工程学院材料物理与化学系更多>>
- 发文基金：国家自然科学基金上海市科学技术委员会资助项目上海市浦江人才计划项目更多>>
- 相关领域：一般工业技术理学金属学及工艺自动化与计算机技术更多>>
- 数据驱动的机器学习在电化学储能材料研究中的应用被引量：7
- 2022年
- 储能电池的关键是材料。继实验观测、理论研究和计算模拟之后,数据驱动的机器学习具有快速捕捉材料成分-结构-工艺-性能间复杂构效关系的优势,有望为电化学储能材料的研发提供新的范式。本文从结构化和非结构化数据驱动两方面,系统评述了机器学习在电化学储能材料研究中的最新进展。全面概括了可用于电化学储能材料机器学习的国内外材料数据库,分析了其数据的收集、共享和质量检测存在的问题;重点阐述了电化学储能材料中机器学习的工作流程和应用,包括结构化数据驱动下数据收集、特征工程和机器学习建模以及图形、表征图像和文献文本这类非结构化数据驱动下的模型构建和应用。进一步,厘清电化学储能材料领域机器学习面临的三大矛盾且给出对策,即高维度与小样本数据的矛盾与协调、模型复杂性与易用性的矛盾与统一、模型学习结果与专家经验的矛盾与融合,并提出构建“领域知识嵌入的机器学习方法”有望调和这些矛盾。本文将为机器学习在电化学储能材料设计和性能优化中的应用提供参考。
- 施思齐涂章伟邹欣欣孙拾雨杨正伟刘悦
- 关键词：材料数据库领域知识
- 高镍三元/硅氧碳软包电池在不同温度下的日历老化机制
- 2023年
- 由于电动汽车在大多数时间处于非工作状态,因此电池搁置期间的日历老化会对电池的寿命产生显著影响。高温加速实验是快速评价电池日历寿命的常用方法,为了获得可靠的高温加速老化实验结果,需要对不同温度条件下的电池衰减机理进行研究。以高镍三元/硅氧碳软包电池为研究对象,基于无损的电化学微分曲线分析和电池拆解验证,研究不同搁置温度对高镍/硅氧碳电池日历老化性能及老化机制的影响。结果表明:随着搁置温度的升高,电池老化速度逐渐加快,表现为容量加速衰减和直流内阻大幅增加。无损分析结果表明:活性锂损失和正极活性物质损失是电池日历老化的主要影响因素,随着温度升高,电池的活性锂损失程度和正极活性物质损失程度都有所增加,负极老化情况基本保持不变;进一步结合拆解验证结果表明:55℃下的高温搁置加速了正极材料性能的衰退,高温下正极NCM811材料颗粒出现内部裂纹和粉化,不宜作为电池搁置期间加速老化实验的加速因子。
- 夏一冕刘智常增花庞静庞静
- 关键词：事后分析
- 基于SISSO和机器学习方法的钙钛矿结构的稳定性预测:新型容许因子建立与验证
- 2020年
- 由于钙钛矿型材料具有广泛的应用前景,因此对其结构及物理、化学性质的研究一直是材料研究领域的热点之一。其中,利用容许因子(Tolerance factor)来预测钙钛矿型材料的结构稳定性可以帮助研究者发现更多的新型功能材料,而传统的基于离子半径定义的容许因子tIR存在一定的局限性。本文基于SISSO(Sure independence screening and sparsifying operator)方法和键价模型提出一种新型的容许因子τBV,其可以有效地避免由离子半径带来的局限性。本工作使用机器学习中的决策树算法建立容许因子验证模型,实验结果表明,新型容许因子τBV可以很好地预测ABO3型化合物是否具有钙钛矿结构,并大大提高了预测精度。
- 胡红青吴邵刚郭治廷周高锋戴东波魏晓张惠然
- 关键词：钙钛矿
- 6,6,12石墨炔同素异构体的结构稳定性和电子性质
- 利用第一性原理计算方法,本文系统地研究了两类6,6,12石墨炔1的衍生物(GYd0-x(x=1-10),GYdx-x-0(x=1-10)(GYds))的结构稳定性和电子结构。能量、声子谱和第一原理分子动力学的计算结果都表...
- 迟宝倩刘轶李小武秦绪明白晟灏赵新洛
- 关键词：第一原理计算
- 文献传递
- 材料图像的解析性及边缘提取的复分析方法
- 本文聚焦图像低层特征尺度不变性和边缘提取准确性等几个图像分析核心问题,旨在建立分析材料显微组织结构的复分析理论和方法.首先,基于复分析的Cauchy型积分理论,定义材料图像函数的局部解析性,将图像特征提取问题转换为图像函...
- 丁广太刘奇张惠然韩越兴钱权
- 关键词：复分析
- 基于鎓化-聚合机理的高压稳定正极界面膜构筑
- 王茜刘杨
- 基于高通量计算及机器学习的新材料带隙预测被引量：11
- 2019年
- 在功能材料应用中,带隙往往起着重要的作用,如光电材料一般为宽带隙半导体,而热电材料为窄带隙半导体,因此对指定类别的材料体系带隙进行快速而准确的预测对于功能材料应用具有非常重要的科学意义.然而,通过基于第一性原理的高通量计算获取高精度带隙的方法耗时长,效率低,而实验上系统测量大量材料体系带隙也不现实,所以基于统计学的机器学习预测方法就成了一种有前景的可能性替代方案.本文设计了一种集成学习模型用于有效而准确地预测带隙值.在已计算过带隙值的热电材料类金刚石化合物的基础上,一方面利用单组元组分替换策略产生大批量相似化合物,并用查重技术过滤掉重复体系,得到356个相似材料体系.另一方面结合机器学习技术,构建高效的带隙预测模型,预测并验证了50个相似材料体系的带隙值.通过实验证明,该预测模型具有77.73%的准确率,且足够健壮稳定,可以广泛应用于需要进行大批量带隙预测的热电材料的研究情景中.
- 徐永林王香蒙李鑫席丽丽倪剑樾朱文浩张武杨炯
- 关键词：带隙
- 电化学制备高质量黄铁矿(FeS2)薄膜及其光伏器件性能研究
- 黄铁矿(FeS)材料具有稳定好、无毒、成本低、材料来源广、光学带隙合适和吸光能力强等特点,但是目前制备的黄铁矿太阳能电池的效率与理论值相差还很大,对此研究者们认为有黄铁矿薄膜不纯、存在界面缺陷等多种原因。本研究使用电化学...
- 卢正代鹏飞王生浩
- 关键词：黄铁矿太阳能电池电化学
- 文献传递
- 基于深度学习的虚拟边界检测方法被引量：3
- 2018年
- 针对传统边缘检测方法无法对材料微观图像中不同区域间存在的"虚拟边界"(VB)进行准确检测的问题,提出一种基于卷积神经网络(CNN)的虚拟边界检测模型,称之为"虚拟边界网络"(VBN)。该模型对VGGNet深度学习模型进行了简化,并在模型训练过程中采用了dropout以及Adam算法等优化策略。VBN以图像中每个像素为中心所取的图像块作为输入,然后输出该图像块所属的类别并据此判断中心像素是否属于虚拟边界。在对两类材料图像进行虚拟边界检测的实验中,VBN的平均检测精度到达92.5%,平均召回率达到89.5%,证明该模型能够准确、有效地对图像中的虚拟边界进行检测,是一种替代低效率人工分析方法的有效手段。
- 赖传滨韩越兴顾辉王冰
- 关键词：边缘检测卷积神经网络图像分割
- 基于机器学习的工模具钢硬度预测被引量：6
- 2019年
- 硬度是工模具钢性能的一个重要指标.本文通过机器学习中的层次聚类和LASSO回归方法,给出了工模具钢硬度-成分关系的解析表达式.层次聚类将79种牌号工模具钢的合金元素成分-硬度数据集按欧式距离分为了4簇,其中高铬钢和低铬钢两簇包含了几乎所有的数据.然后我们对高铬钢和低铬钢两簇数据分别进行LASSO回归,画出LASSO路径,并利用留一法交叉验证得到具有最佳泛化预测能力的成分-硬度的解析公式.之后引入电负性、原子半径变化率、价电子数、电子亲合能和第一电离能等原子尺度的特征,重新进行LASSO回归,得到了新的硬度公式.结果显示机器学习方法可以成功预报工模具钢的硬度.同时,使用原子尺度的特征为钢铁材料的性能研究提供了新的思路.
- 王家豪孙升何燕霖张统一
- 关键词：工模具钢
