从环境中获取能量能够给自供电系统提供清洁能源。然而,像太阳能电池、热电装置和机械发电机这类已知技术都具备特定的环境需求,这些需求对它们的使用范围进行了限制,也对它们持续生产能源的潜力进行了限制。而无处不在的大气湿度则提供了另一种可供选择的方式。鉴于此,马萨诸塞大学阿姆赫斯特分校的 Jun Yao 与 Derek R. 证实了,由硫化土杆菌微生物所获得的纳米级蛋白丝制成的薄膜器件,能够在环境条件下产生连续的电能。
香港城市大学的王钻开教授与美国内布拉斯加大学林肯分校的曾晓成教授以及中科院北京纳米能源与系统研究所的王中林院士展开合作,他们共同开发出了一种新型的液滴发电机,这种新型液滴发电机使得在传统方案中水滴的机械能转化为电能的功率提升了 3 个数量级。液滴发电机由三层结构组成,分别是铝(Al)电极、聚四氟乙烯(PTFE)薄膜和氧化铟锡(ITO)电极。这种结构与场效应晶体管结构(FET 三极管)很相似。PTFE/ITO 电极和 Al 电极的作用如同场效应管中的源极和漏极,可用来储存、转移电荷。而动态的水滴与 FET 中的栅极门作用相似。栅极起到开关的作用,能让源极和漏极之间形成通路,大量储存于表面的电荷可以通过这个通路得以释放。
鉴于此,美国布鲁克哈文国家实验室的 Feng Wang 以及加州大学伯克利分校的 Ceder 团队,运用电子能量损失谱并结合密度泛函理论计算,对这种异常的 Li+迁移行为进行了探究。他们发现,初始材料与最后材料之间形成了扩散界面。沿两相界面的亚稳态中间体中,变形的 Li 多面体有其动力学路径。此路径能确保 Li4+快速迁移。而这正是锂离子能够快速传播的关键因素。这项研究为寻找高速率电极材料提供了新方向。
鉴于此,美国阿贡国家实验室的 Jun Lu 和加拿大滑铁卢大学的 Li 介绍了锂离子电池中 Co 的独特作用以及减量化的研究进展。文章首先指出 Co 在 NCA 和 NMC 中具有独特作用和重要优势,即添加 Co 能够提高 LNO 的稳定性。同时表明可以适当降低 Co 的含量,但无法完全将其消除。其次,文化介绍了用其他 Ti 等金属来替代 Co 这一重要进展,并且能取得可接受的性能。然而,其他金属往往会对锂镍混合造成限制,进而导致动力学性能下降以及容量降低。
作者指出,要确定新型正极材料的最佳组成,就得进行大量且严格的实验对比,机器学习或许能带来新的思路。同时,是否要完全避免使用 Co 这一情况,取决于未来钴矿以及钴回收领域的市场情况。
6. :机器学习赋能电池快充技术
在耗时的实验里同时优化多种设计参数,会给科学研究和工程应用带来很大麻烦。其中一个典型例子是对锂离子电池的材料选择、电池制造以及工作运行等过程进行控制优化。一般情况下,人们需要对锂离子电池的寿命进行评估,然而这样的实验通常会耗费数月甚至数年的时间。参数的调整空间较大,样品具有多样性,这使得实验得以进一步延长。所以,关键在于减少实验的数量以及耗费的时间。基于此,美国 SLAC 国家加速器实验室的 C. Chueh 和 D. Ermon 等研发了一种基于机器学习的高效优化参数空间的方法。