gxOR4MXsYAwLfEhClY80Jw

来自日本东京理科大学 （TUS） 和名古屋工业大学以及瑞典哥德堡查尔姆斯理工大学的科学家们开发了一种机器学习方法来优化钠离子电池的能量密度。

这项研究使钠离子电池离成为锂离子设备的商业上可行的替代品又近了一步。锂离子电池目前在电池市场占据主导地位，但锂的相对稀缺性和高昂的价格是供应链和项目开发商面临的一个问题。

钠的丰富性使其成为一种很有前途的低成本且可能更安全的电池用锂替代品。

含钠过渡金属层状氧化物 （NaMeO2） 是用于钠离子电池正极的强大材料，可提供卓越的能量密度和容量。然而，有一个警告。对于由多种过渡金属组成的多元素层状氧化物，可能的组合数量使得找到最佳成分变得极其困难。即使是过渡金属的选择和比例的微小变化，也会导致晶体形态发生显着变化，并可能影响电池性能。

然而，TUS 领导的研究人员声称已经确定 Na[Mn0.36Ni0.44Ti0.15Fe0.05]O2 是最高能量密度的最佳成分——这是电极材料中最重要的特性之一。

型

学者们使用机器学习模型来自动化各种 NaMeO2 O3 型材料的元素组成的复杂筛选过程。

研究人员在一个包含 100 个来自 O3 型钠半电池的样本的数据库中使用了该模型，这些样本具有 68 种不同的成分。这些是由 TUS 的 Shinichi Komaba 教授在 11 年的时间里收集的，他是这项研究的共同负责人。

“该数据库包括 NaMeO2 样品的成分——其中 Me [Messierium] 是一种过渡金属，如 Mn [锰]、Ti [钛]、Zn [锌]、Ni [镍]......Fe [铁] 和 Sn [锡] 等，以及充放电测试的电压上限和下限、初始放电容量、平均放电电压和 20 次循环后的容量保持率，“Komaba 说。 拟议的基于机器学习的方法来探索和优化过渡金属的比例，提供了一种有效的方法，可以在广泛的潜在候选者中识别有前途的成分，从而有可能加快钠离子电池的开发。|图片： Shinichi Komaba 来自 TUS，日本， CC BY-NC 3.0

为了验证模型预测的准确性，Komaba 和他的团队用 Na[Mn0.36Ni0.44Ti0.15Fe0.05]O2 合成了样品，并组装了标准纽扣电池来运行充电和放电测试。

研究人员使用相同的数据库来训练一个模型，该模型结合了多种机器学习算法以及“贝叶斯优化”（一种优化决策的方法），以执行高效的搜索。该模型的目标是了解工作电压、寿命和能量密度等特性如何与 NaMeO2 层状氧化物的组成相关，并预测在这些特性之间实现所需平衡所需的元素的最佳比例。

测量值与预测值基本一致，证明了该模型作为探索新型电池材料的潜力。Komaba 说，这种方法“提供了一种有效的方法，可以从广泛的潜在候选人中识别有前途的作品。

“此外，这种方法可以扩展到更复杂的材料系统，例如五元过渡金属氧化物，”他补充道。