锂离子电池目前的安全性、持久性以及能量密度难以满足日益增长的电池市场的需求。在过去的十几年间，大量的工作从材料工程到系统设计，将实验结果与模拟相结合来改善锂电池的性能。受时空分辨率的限制，先进的表征技术无法充分揭示LIBs中复杂的多尺度衰减机制。加强表征和建模之间的交互和迭代可以提高对反应机理的理解以及LIB的设计和管理。近日，英国萨里大学Kai Yang与北京航空航天大学Shichun Yang等提出了一种网络层次结构和交互网络框架，以评估LIB的整个生命周期。

文章要点

1）在之前的工作中，研究人员展示了一个网络层次和交互网络（CHAIN）框架，其中材料的物理和电化学参数上传并在云中共享以执行实时模型计算，从而实现从原材料到产品的可追溯性。在本文中，研究人员试图将多尺度实验表征和计算模拟联系起来，以便更好地理解、设计和管理LIB。文章重点介绍了包括“物理空间”、“云空间”和“数字空间”在内的新框架，以评估锂电池的总体寿命，这将涵盖材料合成、表征、电化学性能和安全方面的多尺度设计和制造过程。

2）文章总结了影响多尺度LIB性能的关键参数和衰减机制。作者认为收集LIBs实际操作过程中产生的所有实验特征和原始数据并将其定义为“物理空间”实现数字化或参数化，然后用作多尺度建模的输入。创建“云空间”是为了存储和处理从LIBs实时操作的特征描述或监控中收集的大量数据，以及执行计算结果。随着包括云计算在内的先进计算技术的快速发展，尤其是机器学习、人工智能等数据驱动技术的迅速发展，基于数据驱动的人工智能在物理空间和云空间之间不断迭代的“数字空间”应运而生。全面了解跨尺度衰减现象和数据驱动的智能全寿命电池管理将有助于电池技术在多种应用中的未来发展。

Xinhua Liu et al, Bridging Multiscale Characterization Technologies and Digital Modeling to Evaluate Lithium Battery Full Lifecycle, Advanced Energy Materials, 2022

DOI: 10.1002/aenm.202200889

https://onlinelibrary.wiley.com/doi/full/10.1002/aenm.202200889