Computer Vision hilft Wissenschaftlern bei der Untersuchung von Lithium-Ionen-Batterien

0

Lithium-Ionen-Batterien verlieren mit der Zeit ihren Saft, was Wissenschaftler und Ingenieure dazu veranlasst, hart daran zu arbeiten, diesen Prozess im Detail zu verstehen.

Jetzt haben Wissenschaftler des nationalen Beschleunigerlabors SLAC des Energieministeriums (SLAC National Accelerator Laboratory) ausgeklügelte Algorithmen des maschinellen Lernens mit Röntgentomographiedaten kombiniert, um ein detailliertes Bild davon zu erhalten, wie sich eine Batteriekomponente, die Kathode, bei Gebrauch verschlechtert.Die neue Studie, die am 8.

Mai in Nature Communications veröffentlicht wurde, konzentrierte sich auf die Frage, wie man besser visualisieren kann, was in Kathoden aus Nickel-Mangan-Kobalt (NMC) vor sich geht.

In diesen Kathoden werden die NMC-Partikel durch eine leitfähige Kohlenstoffmatrix zusammengehalten, und Forscher haben spekuliert, dass eine Ursache für den Leistungsabfall darin liegen könnte, dass sich Partikel von dieser Matrix lösen.

Das Ziel des Teams bestand darin, die Spitzenkapazitäten an der Stanford Synchrotronstrahlungs-Lichtquelle (SSRL) des SLAC und der Europäischen Synchrotronstrahlungs-Anlage (ESRF) zu kombinieren, um ein umfassendes Bild davon zu entwickeln, wie NMC-Teilchen auseinanderbrechen und sich von der Matrix lösen und wie dies zu Leistungsverlusten beitragen könnte.Natürlich ist es für den Menschen eine große Aufgabe, herauszufinden, was vor sich geht, nur indem er sich Bilder einer NMC-Kathode ansieht.

Deshalb wandte sich das Team der Computer Vision zu, einem Teilgebiet der Algorithmen des maschinellen Lernens, die ursprünglich dafür entwickelt wurden, Bilder oder Videos zu scannen und Objekte wie Hunde oder Autos zu identifizieren und zu verfolgen.Schon damals gab es Herausforderungen.

Tun Sie mir einen Gefallen: Bitte TEILEN Sie diesen Beitrag.

Algorithmen für die computergestützte Bildverarbeitung nageln sich oft an Grenzen fest, die durch helle oder dunkle Linien definiert sind, so dass es ihnen schwer fallen würde, zwischen mehreren kleinen, aneinander klebenden NMC-Partikeln und einem einzigen großen, aber teilweise zerbrochenen zu unterscheiden; für die meisten computergestützten Bildverarbeitungssysteme würden diese Brüche wie saubere Brüche aussehen.Um dieses Problem zu lösen, verwendete das Team eine Art Algorithmus, der für die Behandlung hierarchischer Objekte eingerichtet wurde – zum Beispiel ein Puzzle, das wir uns als eine vollständige Einheit vorstellen würden, obwohl es aus vielen Einzelteilen zusammengesetzt ist.

Mit Beiträgen und Urteilen der….

Share.

Leave A Reply