电池大脑的基准测试及AI拓展

从为我们的智能手机供电到驱动电动汽车，我们的日常生活都离不开锂离子电池（LIB）。但是，理解其复杂的内部运作并预测其性能需要精密的工具。由此引入了多孔电极理论（PET）模型，我们可以将其视为模拟这些储能设备电化学核心的“大脑”。

• AI拓展

本文对三种主要的开源PET模型：Dualfoil、MPET和LIONSIMBA进行了比较研究。这不仅仅是对它们计算速度的基准测试，更重要的是对它们如何“思考”——如何解读电池多孔结构内锂离子复杂运动的基准测试。

我们将深入探讨这些模型如何处理在颗粒-电解质界面发生的锂离子嵌入和脱出的基本过程，电解质相及其盐浓度等关键性质的作用，以及电荷通过电极层和隔膜的运动。

虽然这三种模型都旨在捕捉LiMn2O4-石墨电池的宏观行为，但我们的分析揭示了它们在预测电化学剖面方面存在有趣的差异。即使在整体放电电压曲线一致的情况下，它们对局部现象（如Butler-Volmer通量和固相中锂浓度分布）的解释也可能显著不同。

这种“大脑扫描”突显了底层数值方法和均匀化近似处理如何导致对关键方面的不同预测，例如电极内反应区的形成以及盐析出或锂损耗等退化机制的可能性。

最终，这项比较分析强调了不仅要匹配实验宏观性能，还要更精细地审查预测的电化学行为的重要性。选择正确的“电池大脑”——最准确且具有物理代表性的PET模型——对于指导开发更安全、更高效和更长寿命的锂离子电池至关重要。