マルチスケールモデリング,実験および生成的深層学習を用いた電池中間相の逆設計に関する展望【JST・京大機械翻訳】

Bhowmik Arghya; Castelli Ivano E.; Garcia-Lastra Juan Maria; Jorgensen Peter Bjorn; Winther Ole; Winther Ole; Vegge Tejs

文献

J-GLOBAL ID：201902269426197497 整理番号：19A2165714

マルチスケールモデリング,実験および生成的深層学習を用いた電池中間相の逆設計に関する展望【JST・京大機械翻訳】

A perspective on inverse design of battery interphases using multi-scale modelling, experiments and generative deep learning

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A2165714&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A2165714&from=J-GLOBAL&jstjournalNo=W3097A") }}

著者 (7件)： , , , , , ,
資料名：
巻： 21 ページ： 446-456 発行年： 2019年
JST資料番号： W3097A ISSN： 2405-8297 資料種別：逐次刊行物 (A)
記事区分：文献レビュー発行国：オランダ (NLD) 言語：英語 (EN)

電池界面における複雑で動的なプロセスを理解し制御することは,より耐久性のある超高性能二次電池を開発するための鍵となる。樹枝状晶と固体電解質間相(SEI)形成のような界面プロセスは多数の時間と長さスケールをスパンし,数十年の研究にもかかわらず,それらの形成,組成,構造および機能は依然としてコンドドラムをもたらす。その結果,高性能界面の「逆設計」とSEIのような中間相は,理解できない夢のままである。ここでは,この野心的な目標に到達するための将来の電池研究戦略に対する展望と可能なブループリントを提示した。利用可能なデータのすべてのソース,すなわち,マルチスケールコンピュータシミュレーションとデータベースからの広範な多重忠実度データセット,大規模研究施設からのオペランド特性化,ハイスループット合成および実験室試験から訓練された半教師つき生成深学習モデルは,この夢を明らかにするために密接に作業する必要がある。著者らは,実験およびシミュレーション法における不確実性の異なるタイプの理解および追跡,ならびに生成モデルに対する機械学習フレームワークは,電池界面および中間相の予測設計における忠実度を制御し,改善するために重要であることを示した。失敗した実験からのデータを含む複数の領域からのデータの同時利用は,新しい材料,構造および設計に基づく耐久性のある超高性能電池の発見および逆設計を加速するための信頼できる生成モデルの開発を加速する上で重要な役割を果たすことを論じた。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

二次電池

, , , , , ,

前のページに戻る