基于机器学习优化电极制造以实现高性能能量与功率电池单体

电极制造工艺的优化对于扩大锂离子电池（LIBs）应用以满足不断增长的能源需求十分重要。特别是，LIB制造非常需要优化，因为它决定了电池单体在电动汽车等应用中的实际性能。在本研究中，我们通过提出一种强大的数据驱动方法，辅以确定性的机器学习（ML）辅助流水线，用于电化学性能的双目标优化，解决了面向期望电池应用条件的高性能电极问题。该ML流水线允许对制造工艺参数进行逆向设计，以制造用于能量或功率应用的电极。后一项工作类似于我们之前支持优化电极微结构以改善动力学、离子和电子传输特性的工作。电化学伪二维模型被输入由制造模拟生成的表征电极微结构的电极属性，并用于模拟电化学性能。其次，所得数据集被用于训练确定性ML模型，以实现快速双目标优化来识别最优电极。我们的结果表明，高含量的活性材料，结合浆料中固体含量的中间值和压延程度的中间值，可实现最优电极。