一日百万次循环：基于物理模型实现锂离子电池退化高通量计算
化学物理
2024-01-31 v2
摘要
高通量计算（HTC）是生物学、材料科学和机器学习等诸多科学领域的关键利器。将 HTC 应用于锂离子电池复杂的基于物理的退化模型，可实现高效的参数辨识与灵敏度分析，进而优化电池设计与运行条件。然而，运行基于物理的退化模型存在隐患，求解器可能因数值误差崩溃或陷入无限循环。此外，如何为退化模型构建 HTC 流水线也鲜有讨论。为弥补这些不足，我们创建了 ParaSweeper——一个专为 HTC 定制的 Python 脚本，旨在通过在计算资源允许的范围内运行尽可能多的老化仿真（每次采用不同参数）来简化参数扫描。我们基于开源平台 PyBaMM 展示了 ParaSweeper 的能力，该方法亦可应用于其他求解偏微分方程的数值模型。ParaSweeper 不仅可处理常见的求解器错误，还集成了多种加速仿真的方法。借助高性能计算平台，ParaSweeper 能在一日内运行数百万次充放电循环。ParaSweeper 既可通过加速模型探索惠及学术研究者，又能通过实现快速寿命设计造福行业从业者，最终有助于延长电池寿命。
引用
@article{arxiv.2311.05093,
title = {A million cycles in a day: enabling high-throughput computing of lithium-ion battery degradation with physics-based models},
author = {Ruihe Li and Simon O'Kane and Jianbo Huang and Monica Marinescu and Gregory J Offer},
journal= {arXiv preprint arXiv:2311.05093},
year = {2024}
}