多价金属离子电池电极电压的可解释学习
材料科学
2022-01-13 v1
摘要
深度学习（DL）确实已成为从大数据中快速准确预测材料性质的有力工具，例如当前商用锂离子电池的设计。然而，对于最有前景的大规模储能未来方案——多价金属离子电池（MIBs），其实用性受限于 MIB 数据稀缺和 DL 模型可解释性差。在此，我们开发了一种可解释 DL 模型，作为在小数据集限制下（150~500）学习多价 MIBs（二价镁、钙、锌和三价铝）电极电压的有效且准确的方法。以实验结果作验证，我们的模型比通常在小数据集情形下优于 DL 的机器学习模型准确得多。除高准确度外，我们这种无需特征工程的 DL 模型是可解释的，它通过可视化神经网络各层的向量，自动提取原子共价半径作为电压学习的最重要特征。所提出的模型有望以更少数据和更少领域知识限制加速多价 MIB 材料的设计与优化，并已被部署于 http://batteries.2dmatpedia.org/ 的公开在线工具包供电池界使用。
引用
@article{arxiv.2201.04493,
title = {Interpretable learning of voltage for electrode design of multivalent metal-ion batteries},
author = {Xiuying Zhang and Jun Zhou and Jing Lu and Lei Shen},
journal= {arXiv preprint arXiv:2201.04493},
year = {2022}
}
备注
4 figures