AI 筛选电池材料，广州大学叶思宇院士开发可用于 P-SOC 材料预测的机器学习算法模型

AIGC动态欢迎阅读

原标题：AI 筛选电池材料，广州大学叶思宇院士开发可用于 P-SOC 材料预测的机器学习算法模型
关键字：质子,电极,模型,燃料电池,氧化物
文章来源：HyperAI超神经
内容字数：5157字

内容摘要：

作者：田小幺
编辑：李宝珠，三羊
封面图来源：摄图网
广州大学的研究人员建立了一种基于极限梯度增强 (XGBoost) 算法的机器学习模型，可用于 P-SOC 空气电极的筛选。新能源现在有多火？据中汽协数据显示，2023年 1-11 月，新能源汽车在我国的市场占有率已达到 30.8%，这背后带来的是锂电池行业的持续繁荣。然而，在锂电池技术之外，固态电池也是资本和企业追逐的方向，甚至被誉为「电动车的终点」。近年来，中美日德的汽车及电池企业纷纷入场，固态电池产业经历了最初的资本狂欢，进入了更加务实的落地探索阶段。
资本与行业的高度关注极大地推动了相关领域的科研进展，以清洁能源为燃料的电池技术发展也带动了关键材料的创新。其中，质子导电固体氧化物电池 (P-SOC) 具备可低温化操作、离子传导活化能低等优点，逐渐被人们所熟知，并受到越来越多的关注。
然而，开发高性能 P-SOC 的一大障碍就是缺乏高效的质子导体空气电极。目前，P-SOC 广泛使用的空气电极材料是基于 Co/Fe 的钙钛矿氧化物，但还没有系统的研究表明不同元素在基于 Co/Fe 的钙钛矿氧化物中 B 位上的作用。
为了解决这一难

原文链接：AI 筛选电池材料，广州大学叶思宇院士开发可用于 P-SOC 材料预测的机器学习算法模型

联系作者

文章来源：HyperAI超神经
作者微信：HyperAI
作者简介：解构技术先进性与普适性，解读更前沿的 AIForScience 案例