在《华尔街日报》最近发表的一篇文章ACS应用能源材料欧洲杯足球竞彩,研究人员讨论了神经网络的效用为固态电解质自动捕获关键特性超离子导体导电率的预测。
研究:自动捕捉关键特性预测超离子导体固态电解质的电导率,使用神经网络。图片来源:新非洲/ Shutterstock.com
背景
越来越需要提高电池的安全性和性能作为全球努力的一部分,将交通行业基于电力基础设施。固态电池(下面)是未来一个重要的技术,可以保证这两个指标。虽然固态的社区意识到这些好处的设计和在实验室已经取得了很大的进步,仍有挑战的商业化SSBs在运输行业,如确定最好的固体电解质材料。欧洲杯足球竞彩大规模筛查技术已经用于查找固态电解质(ss)具有高稳定性和离子电导率来解决这个问题。
机器学习(ML)最近被用来识别健壮SSE有这个目标。大多数的特性在当前毫升党卫军,最佳捕获研究SSE结构选择。然而,手动功能选择需要人工参与毫升流程,这是耗时的,并且可能导致偏见在材料选择和识别。此外,手动毫升功能建设依赖于直觉来自现有的知识,它可能是一个挑战来探索材料类无关的经验。
关于这项研究
在这项研究中,作者展示了神经网络模型的能力产生良好的预测性能与早些时候手动特点即研究只有两个简单的基本特性。、组和时期,也就是一个简单的结构特性。配位数,它自动捕获任何潜在的二次特性和减少人工参与模型的训练要求。
团队结合前馈神经网络(NN)模型与减少主要特征元素识别和结构。这些主要特性与其他次要属性,如电负性,可能会建立神经网络的层。只有三个基本输入特性的使用消除了特征选择的必要性,使一个有效的和健壮的模型。神经网络自动学习关键特性通常不会在数据表中定义的最佳代表候选人SSE材料。
研究人员创建了一个神经网络模型,只需要三个输入特征为每个原子来确定固体材料表现出对上交所应用超离子导体导电率。
观察
研究结果显示,经过训练的神经网络模型成功地确定了11种材料超离子导体导电材料。欧洲杯足球竞彩根据灵敏度水平决定使用测试数据,这翻译的敏感性为92%。所需的训练数据点的数量也减少了由于降低了模型参数。当训练集规模降低到较低水平的数据点,随后1200年到600年数据点,测试集的精度水平保持在96%左右,这表明低至约600数据点够充分训练的神经网络模型,根据研究神经网络模型对模型参数的依赖。
然而,直到训练集达到约100点,持续超过80%的准确性,提出优秀的灵活性构建神经网络模型。测试设备精度就下降当训练数据点的数量低于500分。
最近实验研究了材料的选择,结果表明,superionicity预测是准确的。欧洲杯足球竞彩使用该神经网络模型中,材料的主观要求手动选择描述符和潜在的偏见的介绍是减少。训练模型显示一组二进制96%精度测试和显示没有过度拟合的迹象,就是明证精度级别在不同的训练集的大小保持不变。
结论
总之,这项研究阐明NN-enabled简单的方法可以有效地提取数据的多数SSE晶体没有援助的一个人。创建的神经网络模型可能是一个更大的模型的一个组成部分,同时可以预测所有重要SSE特征,包括离子电导性、稳定性、和电阻。
作者表明,同时大大减少所需的时间和精力来培训和使用SSE材料筛选模型,降低了神经网络模型表现出的潜力更大的普遍性。
他们认为,该模型在理论上是更多比手动的特征模型,甚至可以用来预测其他材料属性。
源
陆,Z。埃德里,P。严,碳氢键。,等。自动捕获关键特性预测超离子导体固态电解质的电导率,使用神经网络。ACS应用能源材料(2022)。欧洲杯足球竞彩https://doi.org/10.1021/acsaem.2c00493
https://pubs.acs.org/doi/10.1021/acsaem.2c00493
免责声明:这里的观点是作者表达他们的私人能力,不一定代表AZoM.com T /有限的观点AZoNetwork这个网站的所有者和经营者。这个声明的一部分条款和条件本网站的使用。