机器学习辅助筛选金属二元合金负极材料
材料科学
2024-09-17 v1 机器学习
摘要
在动态且快速发展的电池领域中，合金负极材料因其优异的电化学性能而成为研究焦点。传统的筛选方法效率低下且耗时。我们的研究引入了一种机器学习辅助策略，以加速这些材料的发现和优化。我们从MP和AFLOW数据库中编译了一个庞大的数据集，包含数万种合金成分和性质。利用CGCNN，我们准确预测了合金负极的电位和比容量，并通过实验数据进行了验证。该方法识别出约120种低电位、高比容量的合金负极，适用于包括锂、钠、钾、锌、镁、钙和铝基在内的各种电池体系。我们的方法不仅简化了电池负极材料的筛选过程，也推动了电池材料研究和储能技术创新的进步。
引用
@article{arxiv.2409.09583,
title = {Machine learning assisted screening of metal binary alloys for anode materials},
author = {Xingyue Shi and Linming Zhou and Yuhui Huang and Yongjun Wu and Zijian Hong},
journal= {arXiv preprint arXiv:2409.09583},
year = {2024}
}
备注
41 pages include SI, 5 figures in main