首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    机器学习驱动的电池电极高级表征

    编辑 | 白菜叶 材料表征,即通过各种物理、化学等测试方法,揭示和确定材料的结构特征,是科学家理解锂离子电池电极及其性能限制的基础方式。基于实验室的表征技术地进步,科学家们已经对电极的结构和功能关系产生了许多强有力的见解,但还有更多未知情况等待探索。该技术的进一步地改进,取决于对材料中复杂的物理异质性的更深入理解。 然而,表征技术的实际局限性,限制了科学家直接组合数据的能力。例如,某些表征技术会对材料造成破坏,因此无法对同一区域进行其他参数的分析。幸运的是,人工智能技术拥有巨大潜力,可以整合传统表征技术所

    02

    近期四项研究,人工智能又搞出了哪些新材料?

    编辑 | 萝卜皮 目录 无监督机器学习工具加速真正新材料的发现 识别新材料的高通量方法 通过结合深度学习和约束推理来自动化晶体结构相映射 人工智能方法加速热电材料的发现 无监督机器学习工具加速真正新材料的发现 利物浦大学的研究人员创建了一种协作人工智能工具,可以减少发现「真正新材料」所需的时间和精力。 据报道,这种新工具已经发现了四种新材料,包括一系列可传导锂的新固态材料。这种固体电解质可以应用于固态电池开发,为电动汽车提供更长的续航能力。 发现新的功能材料是一个高风险、复杂且非常耗时的旅程;通过组合元素周

    02

    硅芯片接近物理极限,人工智能助力发现可替代的磁性新材料

    相信对大多数人来说,半导体不是一个陌生的名词。它是集成电路和芯片制造最重要的基础材料,从电脑手机到自动驾驶汽车,半导体无处不在。回顾过去的二三十年,从九十年代重量超过一公斤,且仅能打电话的大砖头手机,到现在一二百克,功能丰富的智能手机,半导体的发展可以说是日新月异。但是最近两年,以英特尔为首的半导体厂商却开始放慢了制程的升级迭代之路。目前,半导体制造商最先进的半导体制程已经达到了7nm、5nm,但这几乎已经无限接近硅材料的物理极限。看起来,半导体新材料的研发似乎是能保持未来科技发展的唯一解决方案了。而人工智能,又能在其中发挥怎样的作用呢?

    01
    领券