基于算术和列表的无 CPU 神经网络与Kirchhoff Markov 随机场框架用于推断锂离子电池的内部电化学状态
化学物理
2026-02-24 v1 无序系统与神经网络
材料科学
摘要
对锂离子电池（LIB）复合电极中耦合反应和传输过程的定量理解仍具有挑战性，因为关键的内部状态无法直接测量。本研究开发了一个物理整合的数据驱动分析管线，用于从 LIB 阳极的原位微型 X 射线吸收精细结构（-XAFS）高光谱数据中推断内部电化学状态。首先从 Co K 边光谱构建 State-of-Charge（SOC）图。为了解决两相反应区域中的歧义，引入一种物理正则化的三层神经网络，强制 SOC 的空间连续性和电流守恒。推断的 SOC 动力学随后被纳入基于 Kirchhoff 的 Markov 随机场框架，该框架整合了 Kirchhoff 电流和电压定律、欧姆定律以及对称 Butler-Volmer 关系，用于估计界面电流、离子电流、电解质电位和有效离子导电性。应用于不同初始电解质浓度（0.3、1 和 2 M LiPF）的复合电极，揭示了由电解质浓度依赖性导电性支配的反应传播行为。推断的电解质浓度分布与使用 LiAsF 电解质的 LIB 复合电极进行的原位 X 射线衍射成像的结果在定性上得到一致。该框架实现了对 otherwise 不可访问的内部传输现象的定量可视化。
关键词
引用
@article{arxiv.2602.19888,
title = {A Physics-Regularized Neural Network and Kirchhoff Markov Random Field Framework for Inferring Internal Electrochemical States from Operando Spectromicroscopy},
author = {Naoki Wada and Yuta Kimura and Masaichiro Mizumaki and Koji Amezawa and Ichiro Akai and Toru Aonishi},
journal= {arXiv preprint arXiv:2602.19888},
year = {2026}
}
备注
46 pages, 8 figures