利用晶格缩放进行电池材料的数据增强
材料科学
2023-02-08 v1
摘要
Lithium-ion batteries (LIBs) 发展的重大突破只能通过提出开创性的研究来实现，这些研究基于为电池组件选择最佳材料、优化电池制造、预测 LIBs 的退化机制以及整合受损电池的再生过程。具有更长循环寿命、更好安全性和可重用性的 LIBs 将在循环经济中建立具有最高能量效率、低成本和最小 CO2 排放的可持续先进电池，从而在电动交通和便携式电子等高度相关的领域促进可持续性。最近，人们对应用 Artificial Intelligence (AI) 技术及其子类来更好地预测具有设计属性的新材料越来越感兴趣。这组方法已经取得了相当大的成功，被用于预测材料的众多物理性质。然而，与其他领域相比，材料数据通常要小得多，有时也更加多样化，这无疑会影响 AI 模型的构建和有效性。目前，材料科学中已经提出了几种基于材料晶胞翻转、旋转和扭曲的 Data Augmentation (DA) 方法，这些方法已被证明在增加数据的大小和质量方面非常有效。在此，我们提出了一种基于晶体结构晶格缩放的更有效的新型 Data Augmentation 方法。在晶格缩放 DA 方法中，对晶胞进行扰动，使其以各向同性或各向异性的方式发生晶胞体积的增大和减小。这种变换与电池组件尤为相关，因为据报道在循环过程中，基于嵌入的 LIBs 的体积变化可达 5%。
引用
@article{arxiv.2302.03356,
title = {Data augmentation for battery materials using lattice scaling},
author = {Eduardo Abenza and César Alonso and Isabel Sobrados and José M. Amarilla and Javier L. Rodríguez and José A. Alonso and Roberto G. E. Martín and Maria C. Asensio},
journal= {arXiv preprint arXiv:2302.03356},
year = {2023}
}