机器学习辅助相场模拟预测锂离子输运参数对电池枝晶最大生长高度和空间利用率的影响.pdfVIP

第13卷第9期储能科学与技术Vol.13No.9

2024年9月EnergyStorageScienceandTechnologySept.2024

AI辅助先进电池设计与应用专刊

机器学习辅助相场模拟预测锂离子输运参数对电池枝晶最大生长高度

和空间利用率的影响

111121,3

李亚捷，王依平，陈斌，林海龙，张更，施思齐

12

（上海大学材料科学与工程学院，上海200444；湖南理工学院机械工程学院，湖南岳阳

3

414006；上海大学材料基因组工程研究院，上海200444）

摘要：在锂基电池反复充放电的过程中，锂离子在负极表面的不均匀沉积会导致不可控的枝晶生长，进而严重

影响电池的安全性能。相场模拟方法是描述和预测枝晶生长的有力手段，然而求解描述场变量演化的偏微分方

程组对计算资源的要求较高。机器学习因能快速拟合历史数据中的潜在规律以实现材料性能的预测，已被广泛

用于电池材料性能预测与筛选、电池健康状况评估等方面。本文以锂离子输运参数对电池枝晶形貌的影响为例，

通过相场模拟收集不同锂离子扩散系数与离子电导率对应的枝晶图像，基于这些数据训练机器学习模型，进而

预测给定离子输运参数所对应的枝晶描述因子(枝晶最大生长高度和空间利用率)。结果表明K-最邻近(K-nearest