ترجمه فارسی مقاله استخراج ولتاژ برای (DE) کاتدهای تثبیت شده با لیته و یک مدل یادگیری ماشین برای ولتاژ کاتد لیتون

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Voltage Mining for (De)lithiation-stabilized Cathodes and a Machine Learning Model for Li-ion Cathode Voltage
عنوان مقاله به فارسی استخراج ولتاژ برای (DE) کاتدهای تثبیت شده با لیته و یک مدل یادگیری ماشین برای ولتاژ کاتد لیتون
نویسندگان Haoming Howard Li, Qian Chen, Gerbrand Ceder, Kristin A. Persson
فرمت مقاله انگلیسی PDF
تعداد صفحات 32
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Materials Science,علم مواد ,
توضیحات Submitted 10 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 10 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Advances in lithium-metal anodes have inspired interest in discovery of Li-free cathodes, most of which are natively found in their charged state. This is in contrast to today's commercial lithium-ion battery cathodes, which are more stable in their discharged state. In this study, we combine calculated cathode voltage information from both categories of cathode materials, covering 5577 and 2423 total unique structure pairs, respectively. The resulting voltage distributions with respect to the redox pairs and anion types for both classes of compounds emphasize design principles for high-voltage cathodes, which favor later Period 4 transition metals in their higher oxidation states and more electronegative anions like fluorine or polyaion groups. Generally, cathodes that are found in their charged, delithiated state are shown to exhibit voltages lower than those that are most stable in their lithiated state, in agreement with thermodynamic expectations. Deviations from this trend are found to originate from different anion distributions between redox pairs. In addition, a machine learning model for voltage prediction based on chemical formulae is constructed, and shows state-of-the-art performance when compared to two established composition-based ML models for materials properties predictions, Roost and CrabNet.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت در آنوبهای لیتیوم فلزی باعث جلب علاقه به کشف کاتدهای بدون LI شده است که بیشتر آنها به طور بومی در وضعیت شارژ آنها یافت می شود.این برخلاف کاتدهای باتری لیتیوم یون تجاری امروز است که در حالت تخلیه آنها پایدارتر است.در این مطالعه ، ما اطلاعات ولتاژ کاتد محاسبه شده را از هر دو دسته از مواد کاتدی ترکیب می کنیم ، به ترتیب 5577 و 2423 جفت ساختار منحصر به فرد را پوشش می دهیم.توزیع ولتاژ حاصل با توجه به جفت های ردوکس و انواع آنیون برای هر دو کلاس ترکیبات بر اصول طراحی برای کاتدهای ولتاژ بالا تأکید می کند ، که باعث می شود فلزات انتقال بعدی در حالت های اکسیداسیون بالاتر و آنیونهای الکترونگو بیشتر مانند گروه های فلورین یا پلی آئون باشند.به طور کلی ، کاتدهایی که در حالت شارژ و شارژ شده خود یافت می شوند ، ولتاژهای پایین تر از آنهایی را که در حالت لجن خود پایدار هستند ، در توافق با انتظارات ترمودینامیکی نشان می دهند.انحراف از این روند از توزیع های مختلف آنیون بین جفت ردوکس سرچشمه می گیرد.علاوه بر این ، یک مدل یادگیری ماشین برای پیش بینی ولتاژ مبتنی بر فرمول های شیمیایی ساخته شده است ، و عملکرد پیشرفته را در مقایسه با دو مدل ML مبتنی بر ترکیب ایجاد شده برای پیش بینی های خاصیت مواد ، خروس و خرچنگ نشان می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.