基于函数式数据驱动的框架快速预测由分子动力学模拟的电极浆料流变特性
化学物理
2022-01-13 v1 泛函分析
摘要
基于机理方法对锂离子电池（LIB）复合电极制造过程进行计算建模，可预测制造参数对电极性能的影响。然而，确保计算性能与实验数据良好匹配通常耗时耗力。本工作中，我们通过提出一种结合函数主成分分析与K近邻算法的函数式数据驱动框架来解决此问题。该框架首先恢复机理电极制造模拟的早期数值以预测所计算的可观测值是否易于匹配（即筛选步骤）。第二步恢复正在进行的机理模拟迭代的附加数值以预测机理模拟结果（即预测步骤）。我们通过非平衡分子动力学（NEMD）模拟在LIB制造背景下展示了该方法，旨在捕捉电极浆料的流变行为。我们详细讨论了这一新方法，并报告相对于运行完整的机理模拟，预期机理模拟结果可加快11倍获得，且从实验角度看足够准确，学习的验证中等于0.90，等于0.96。这为在运行电池制造电极机理模拟时大幅减少计算资源利用的有力工具铺平了道路。
引用
@article{arxiv.2201.04394,
title = {Functional Data-Driven Framework for Fast Forecasting of Electrode Slurry Rheology Simulated by Molecular Dynamics},
author = {Marc Duquesnoy and Teo Lombardo and Fernando Caro and Florent Haudiquez and Alain C. Ngandjong and Jiahui Xu and Hassan Oularbi and Alejandro A. Franco},
journal= {arXiv preprint arXiv:2201.04394},
year = {2022}
}