多孔石墨负极

微结构可预测性能

一种微结构经机器学习优化的多孔石墨负极，通过量化微晶参数与电化学性能的关联，为高比能电池设计提供依据。

Xiong, Kai · Tianshuang, Qi · 张雄 · Ding, Honggang · Haiping, Yang

Journal of Energy Storage 2025

具体参数

测试集保留率预测 RMSE

{'zh': '6.13', 'en': '6.13'} %

测试集保留率预测 R²

{'zh': '0.82', 'en': '0.82'}

La/Lc 对容量和保留率的 SHAP 贡献

{'zh': '0.22', 'en': '0.22'}

保留率提升幅度（La/Lc > 1.5 时）

{'zh': '15', 'en': '15'} %

电荷转移阻抗降低幅度（La/Lc > 1.5 时）

{'zh': '20', 'en': '20'} %

技术优势

定量结构-性能关系

通过机器学习模型，输入微结构参数即可预测容量和保留率，误差低至 RMSE=6.13%。

关键参数明确

La/Lc 首次作为微晶堆叠有序度的定量指标，SHAP-ALE 分析显示其对容量和保留率贡献超过 0.22。

应用场景

• 高比能锂电负极：通过优化微结构参数提升负极容量，实现高能量密度。
• 电化学储能器件：通过微结构调控提升电荷传输，改善储能性能。
• 电池材料设计：利用机器学习模型筛选微结构参数，加速材料设计。
• 快充电池：通过增加 La/Lc 降低电荷转移阻抗，有利于快充。