图像导向的微结构优化：基于扩散模型的锂-锰富层状正极前驱体验证

微结构往往决定材料性能，但由于微结构难以量化、预测和优化，很少被作为显式的设计变量来对待。本文引入一种以图像为中心的闭环框架，将微结构形貌变为可控的目标，并以锂-锰富层状正极材料的前驱体为用例演示其应用。本工作提出了一个集成的人工智能驱动框架，用于锂离子电池正极材料前驱体合成的预测设计与优化。该框架集成了基于扩散模型的图像生成模型、定量图像分析管道和粒子群优化（PSO）算法。通过从 SEM 图像中提取纹理、形状球整度和中位粒径（D50）等关键形貌描述符，该平台准确预测特定共沉淀条件下产生的类似 SEM 的形貌，包括反应时间、溶液浓度和 pH 导致的结构变化。随后，优化以确定能产出用户定义目标形貌的合成参数，实验验证了预测结构与合成结构之间的密切一致。该框架提供了一种数据驱动的材料设计策略，实现了合成条件的正向预测和逆向设计，为实现自主、图像导向的微结构工程铺平了道路。