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
参数信息
- 测试集保留率预测 RMSE
- 6.13 %
- 测试集保留率预测 R²
- 0.82
- La/Lc 对容量和保留率的 SHAP 贡献
- 0.22
- 保留率提升幅度（La/Lc > 1.5 时）
- 15 %
- 电荷转移阻抗降低幅度（La/Lc > 1.5 时）
- 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。