基于图神经网络预测三元镍钴锰阴极材料掺杂策略以提升电池性能
材料科学
2025-01-13 v2 计算物理
摘要
锂离子电池因其卓越的电化学性能而引起广泛关注，尤其是以三元镍钴锰（NCM）阴极材料为主，因其在电化学性能和结构稳定性方面表现突出。基于此研究，研究者们探索将额外元素掺杂到 NCM 阴极材料中，以进一步提升其电化学性能和结构稳定性。然而，NCM 电池系统可用的掺杂策略繁多，使得确定最佳方法变得具有挑战性。本研究阐明了三元 NCM 系统作为锂离子电池阴极材料的潜力。我们整合了来自多个来源的锂离子电池 NCM 系统数据，构建了相应的数据驱动模型，利用图神经网络预测最优掺杂策略。旨在为 NCM 电池系统提供基本理解和实际应用中的见解。
引用
@article{arxiv.2407.10458,
title = {Predicting doping strategies for ternary nickel-cobalt-manganese cathode materials to enhance battery performance using graph neural networks},
author = {Zirui Zhao and Dong Luo and Shuxing Wu and Kaitong Sun and Zhan Lin and Hai-Feng Li},
journal= {arXiv preprint arXiv:2407.10458},
year = {2025}
}