Learning chemical potentials and parameters from voltage data for multi-phase battery modeling
Artikel i vetenskaplig tidskrift, 2025
Lithium-ion battery
Physics-based learning
Battery modeling
Bayesian model-integrated neural network
Phase transition
Chemical potential
Författare
Yicun Huang
Chalmers, Elektroteknik, System- och reglerteknik
Torsten Wik
Chalmers, Elektroteknik, System- och reglerteknik
Donal Finegan
National Renewable Energy Laboratory
Yang Li
Chalmers, Elektroteknik, System- och reglerteknik
Changfu Zou
Chalmers, Elektroteknik, System- och reglerteknik
Publicerad i
ChemRxiv
2573-2293 (eISSN)
Forskningsprojekt
Modellering av pläteringsmorfologi i litiumjonbatterier för ökad säkerhet
Europeiska kommissionen (EU) (101068764), 2022-07-05 -- 2024-07-04.
Multifysisk modellering och övervakning av litiumjonceller för nästa generations styrsystem
Vetenskapsrådet (VR) (2023-04314), 2024-01-01 -- 2027-12-31.
Kategorisering
Drivkrafter
Hållbar utveckling
Innovation och entreprenörskap
Styrkeområden
Energi
Fundament
Grundläggande vetenskaper
Ämneskategorier (SSIF 2025)
Elektroteknik och elektronik
Infrastruktur
Chalmers e-Commons (inkl. C3SE, 2020-)
Identifikatorer
DOI
10.26434/chemrxiv-2025-qrkpq