基于X射线高光谱成像的人工智能驱动钠离子电池材料相位识别
材料科学
2026-03-10 v1 人工智能
摘要
钠离子电池因资源丰富和成本优势，已成为大规模能源存储应用的可行方案。其在电化学循环过程中，由复杂相变导致的性能和耐久性约束，既是挑战也是机遇。然而，受限于扩散的钠离子输运，可能导致空间上异质的相核生长和传播，引发多相共存和局部非均匀的电化学活性，形成复杂的反应路径，这对机理理解和预测材料优化构成挑战。这些挑战可以通过研究材料的单晶区域（即单个颗粒的尺度）来解决，尽管此类分析常受能量和/或空间稀疏高光谱数据集的限制。本文发展了一种人工智能方法，用于稀疏抽样条件下的高光谱数据处理，生成在微米尺度范围内具有纳米分辨率的多相图。我们将该方法应用于扫描透射X射线显微镜(STXM)数据，以确定NaxV2(PO4)2F3正极材料中不同充电状态下的相分布和共存情况。该方法的工作流程结合了高斯混合变分自编码器(GMVAE)算法与皮尔逊相关系数，用于识别钠离子含量并绘制其空间分布。我们的ethods揭示了单个颗粒中纳米尺度的相异质性和演化，提高了相位检测的可靠性，通过识别歧义区域、错误分配以及位于晶界处的过渡相。
引用
@article{arxiv.2603.07666,
title = {AI-Driven Phase Identification from X-ray Hyperspectral Imaging of cycled Na-ion Cathode Materials},
author = {Fayçal Adrar and Nicolas Folastre and Chloé Pablos and Stefan Stanescu and Sufal Swaraj and Raghvender Raghvender and François Cadiou and Laurence Croguennec and Matthieu Bugnet and Arnaud Demortière},
journal= {arXiv preprint arXiv:2603.07666},
year = {2026}
}