X射线计算机断层扫描（CT）是一种非破坏性成像技术，在医学和科学研究中具有重要的作用。其原理为利用材料不同成分与结构对 X 射线的吸收能力不同的特性，通过复杂的算法收集，转换和重建，输出横截面/3D图像。在医疗领域，CT极大的提高了一些重大疾病的诊断精度，提高了治疗的准确性，挽救了无数人的生命。近二十年里，CT的应用已扩展到医疗领域之外，在电池研究中发挥着重要作用。

随着CT技术的迅速发展，其在电池研究中的分辨率也逐步提升，从而也产生了更复杂的数据集，这促使了发展海量数据快速准确分析技术的需求。利用人工智能（AI）和机器学习（ML）来分析复杂的数据集有望大大减少处理大型高精度CT数据集所需的时间。

近日，加州大学的孟颖等人综述了CT技术在电池领域的最新进展，并讨论了AI和ML如何影响数据分析和计算建模。

本文要点：

1）在第一部分，该综述首先讨论使X射线CT成为适用于电池表征手段的关键技术发展。然后，概述了CT技术在各种电池分析中的优点和局限，以及可以从中提取的关键形态学参数。

2）在第二部分，该综述介绍了通过数据分析和过滤方法来提取这些参数，并讨论了AI和ML在电池建模中的作用。

3）在第三部分，该综述展望了X射线CT的未来前景，其中AI和ML可以与其他技术结合使用，以充分表征电池系统并开发多物理场和多尺度预测模型。

Jonathan Scharf，et al，Bridging nano- and microscale X-ray tomography for battery research by leveraging artificial intelligence，Nature Nanotechnology，2022

DOI：10.1038/s41565-022-01081-9

https://doi.org/10.1038/s41565-022-01081-9