利用人工智能桥接纳米与微米尺度 X 射线断层扫描以服务于电池研究
材料科学
2022-06-01 v1 介观与纳米尺度物理
应用物理
摘要
X 射线计算机断层扫描（X-ray CT）是一种众所周知的无损成像技术，其衬度源于材料的吸收系数。同步辐射与实验室级成像系统以及创新分析技术的快速发展，使得针对日益具有挑战性样品的新型电池表征研究成为可能。此外，近期实验室纳米尺度 CT（NanoCT）系统的发展将电池材料成像的极限推向了此前仅能使用同步辐射设施达到的体素尺寸。此类系统如今能够达到低至 50 nm 的空间分辨率。鉴于 CT 的非破坏性本质，原位与工况研究已成为量化形态参数的有力方法，例如曲折因子、孔隙率、表面积以及电池运行或循环过程中的体积膨胀。结合强大的人工智能（AI）/机器学习（ML）分析技术，提取出的三维断层图像与电池特定形态参数能够支撑预测性基于物理的模型的发展，从而为电池工程提供有价值的见解。这些模型可以预测电极微结构对电池性能的影响，或分析材料异质性对电化学响应的影响。在本工作中，我们回顾 X 射线 CT 实验在电池领域日益增长的作用，讨论 AI/ML 在分析中的融入，并展望多尺度 CT 成像技术的结合如何拓展预测性多尺度电池行为模型的发展。
引用
@article{arxiv.2107.07459,
title = {Bridging Nano and Micro-scale X-ray Tomography for Battery Research by Leveraging Artificial Intelligence},
author = {Jonathan Scharf and Mehdi Chouchane and Donal P. Finegan and Bingyu Lu and Christopher Redquest and Min-cheol Kim and Weiliang Yao and Alejandro A. Franco and Dan Gostovic and Zhao Liu and Mark Riccio and František Zelenka and Jean-Marie Doux and Ying Shirley Meng},
journal= {arXiv preprint arXiv:2107.07459},
year = {2022}
}
备注
33 pages, 5 figures