ترجمه فارسی مقاله غربالگری آلیاژهای دوتایی فلزی برای مواد آندی به کمک یادگیری ماشینی

چکیده

In the dynamic and rapidly advancing battery field, alloy anode materials are a focal point due to their superior electrochemical performance. Traditional screening methods are inefficient and time-consuming. Our research introduces a machine learning-assisted strategy to expedite the discovery and optimization of these materials. We compiled a vast dataset from the MP and AFLOW databases, encompassing tens of thousands of alloy compositions and properties. Utilizing a CGCNN, we accurately predicted the potential and specific capacity of alloy anodes, validated against experimental data. This approach identified approximately 120 low potential and high specific capacity alloy anodes suitable for various battery systems including Li, Na, K, Zn, Mg, Ca, and Al-based. Our method not only streamlines the screening of battery anode materials but also propels the advancement of battery material research and innovation in energy storage technology.

چکیده به فارسی (ترجمه ماشینی)

در میدان باتری پویا و به سرعت در حال پیشبرد ، مواد آند آلیاژ به دلیل عملکرد الکتروشیمیایی برتر آنها یک نقطه کانونی هستند.روشهای غربالگری سنتی ناکارآمد و وقت گیر هستند.تحقیقات ما یک استراتژی به کمک یادگیری ماشین را برای تسریع در کشف و بهینه سازی این مواد معرفی می کند.ما یک مجموعه داده گسترده از پایگاه داده های MP و AFLOW را گردآوری کردیم ، که شامل ده ها هزار ترکیب و ویژگی های آلیاژ است.با استفاده از یک CGCNN ، ما به طور دقیق ظرفیت و ظرفیت خاص آنگاههای آلیاژ را که در برابر داده های تجربی معتبر است ، پیش بینی کردیم.این رویکرد تقریباً 120 آنهایی که دارای ظرفیت کم پتانسیل و با ظرفیت بالا هستند مناسب برای سیستم های مختلف باتری از جمله Li ، Na ، K ، Zn ، Mg ، Ca و Al مبتنی بر آن مشخص شده است.روش ما نه تنها غربالگری مواد آند باتری را ساده تر می کند بلکه پیشرفت تحقیقات مواد باتری و نوآوری در فناوری ذخیره سازی انرژی را نیز پیش می برد.