Lithium-ion batteries
PulseAugur coverage of Lithium-ion batteries — every cluster mentioning Lithium-ion batteries across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Energy Dome 使用二氧化碳进行电网规模储能
Energy Dome 正在开发使用压缩二氧化碳的长时储能解决方案。其系统通过将 CO2 压缩成液态来储存能量，保留压缩过程中产生的热量，然后释放气体驱动涡轮机发电。与锂离子电池相比，该技术在存储时间超过四小时的情况下更具成本效益，并计划在全球范围内进行大规模扩张。
-
Form Energy 扩大铁空气电池在电网和人工智能数据中心的规模
Form Energy 正在开发用于长时储能的铁空气电池，旨在为电网规模应用提供比锂离子电池更便宜的替代方案。该公司正在西弗吉尼亚州的工厂扩大生产，并已获得商业协议，其中包括与 Xcel Energy 和 Google 的一项重要项目，为明尼苏达州的一个数据中心提供 30 吉瓦时（gigawatt-hours）的存储。这项技术通过实现对可再生能源的更大依赖，有可能支持人工智能数据中心日益增长的能源需求。
-
卫蓝新能源推进半固态电池在电动汽车和货船上的应用
卫蓝新能源正在开发半固态电池，与传统锂离子电池相比，其能量密度更高，安全性也得到改善。该公司已与Nio合作推出能量密度显著提高的电池组，但生产成本限制了初步部署。卫蓝新能源的目标是扩大生产并降低成本，以在储能市场竞争，并计划开发无人机电池，最终实现全固态电池。
-
AI工作负载和新架构挑战传统数据中心UPS系统
由于基础设施的演变和AI驱动的密集化，数据中心不间断电源（UPS）的传统作用正在被重新评估。与电力相关的故障，其中UPS故障是主要原因，占IT服务中断的20%以上。分布式DC架构和侧挂式电源柜等新兴技术正在挑战集中式UPS系统的必要性，而AI工作负载的强烈且波动的电力需求正将重点从保护IT免受电网影响转移到保护电网免受IT负载影响。
-
膨胀的笔记本电池可能导致触控板弹出，存在火灾风险
鼓胀或弹出的笔记本触控板可能表明内部电池膨胀，存在火灾隐患。这个问题在配备锂离子电池的笔记本中很常见，包括 Apple 和 Microsoft Surface 系列的型号。遇到此问题的用户应立即停止使用设备，将其关闭，并寻求专业维修以更换电池，防止潜在的爆炸或火灾。维修费用可能在 149 美元到 249 美元之间，但可能在保修范围内。
-
回收的太阳能电池板硅可提高手机电池容量
研究人员开发了一种从废弃太阳能电池板回收硅的新颖方法，将其重新用于制造锂离子电池的先进阳极。该工艺可以显著延长智能手机等设备中电池的寿命和容量。该研究强调了可持续材料来源的潜力，特别是来自中国和美国的来源。
-
奇瑞汽车明年将测试下一代固态电动汽车电池
中国汽车制造商奇瑞汽车计划于明年开始测试固态电池，目标是成为其商业化的领导者。该公司将在未来两年内投资约14.9亿美元，并部署1200名工程师来开发这项技术。这些新电池预计将提供当前锂离子电池两倍的能量密度，有望为电动汽车带来更高的安全性和更长的续航里程。
-
AI框架加速电池电解质添加剂的发现
研究人员开发了一个名为ProtoMI的新框架，以加速锂离子电池电解质添加剂的发现。这种文献驱动的方法通过识别现有研究中的关键分子原型并将其应用于广阔的、未标记的化学空间来利用稀疏数据。ProtoMI在回顾性验证中显示出显著的富集因子，识别出可商购获得的、能提高电池循环性能和稳定性的候选物。
-
人工智能给数据中心带来新的消防安全挑战
人工智能驱动的日益增长的功率密度和新的冷却技术正在给数据中心带来新的消防安全挑战。更小的占地面积内更高的计算能力集中，以及锂离子电池和液体冷却系统的采用，都要求重新评估传统的火灾探测和抑制策略。消防工程师早期参与设计过程对于应对这些不断变化的风险至关重要。
-
Anaphite 的干法涂覆技术有望使电动汽车电池更便宜、更环保
英国电池技术公司 Anaphite 正在开发一种用于制造电动汽车电池电极的干法涂覆工艺。这项创新工艺旨在消除对含大量溶剂的浆料和大型烘箱的需求，而这些目前构成了电池制造成本和能耗的重要组成部分。该公司认为，其技术可以为某些类型的电芯降低超过 10% 的总体电池生产成本，并可能提高性能，尤其是在固态电芯出现之际。
-
AI模型利用有限数据改进锂离子电池健康状态估计
研究人员开发了新的锂离子电池健康状态（SOH）估计方法，特别是在标记数据稀缺的情况下。一种方法利用降解对齐的自监督学习和CNN-GRU模型，即使只有1%的标记数据也能实现低误差率。另一种方法采用物理信息神经网络，利用电池部分放电数据实时估计SOH并预测退化，为异构操作条件提供了更稳健的解决方案。
-
物理信息ML提升PHM性能，综述发现 · 跟踪1个来源
对212项研究的系统性文献综述显示，物理信息机器学习（PIML）越来越多地应用于预测与健康管理（PHM）任务。虽然PIML模型在预测性能上优于传统数据驱动方法，尤其是在锂离子电池和轴承方面，但其在增强泛化能力和因果推断方面的证据尚不充分。该综述建议未来的研究应侧重于开发可迁移的设计模式、用于集成策略的比较基准，以及用于实际部署的轻量级、鲁棒的、可感知不确定性的模型。
-
新的C2L-Net模型为锂离子电池SOC估算提供更快、更高效的解决方案
研究人员开发了C2L-Net，一个新颖的数据驱动框架，旨在实现锂离子电池荷电状态（SOC）的高效准确估算。该新模型通过使用显著缩短的历史数据窗口（20秒）并分离上下文编码与最新测量更新，解决了现有方法的局限性。C2L-Net集成了分块特征提取、Theta注意力池化和基于傅里叶的季节性基，以及使用门控循环单元和因果余弦注意力的因果上下文编码器。实验表明，C2L-Net在实现最先进的准确度的同时，速度比以往的基线模型快60倍，并且所需的参…
-
航空公司警告锂离子电池；铷频标解释
航空公司建议乘客在携带锂离子电池出行时要格外小心。另外，一篇解释性文章详细介绍了铷频标的功能和应用，这对于需要高精度时间或频率参考的应用至关重要。
-
宁德时代发布新型神行电动汽车电池，充电更快更安全
全球最大的电动汽车电池生产商Contemporary Amperex Technology Co. Limited (CATL) 发布了其新型神行产品系列。这些电池旨在提供更安全、更快速的充电体验，解决了锂离子电池在发热和性能衰减方面的担忧。CATL 强调其行业领先的测试方法和严格的质量控制体系，以确保产品可靠性。
-
智能手机关机后仍会消耗电池电量
即使在关机状态下，智能手机也会继续消耗少量电池电量。这种消耗主要是由于时钟和唤醒电路，它允许设备响应电源按钮并在启动时保持准确的时间。此外，锂离子电池会自然发生自放电，每月损失约1-2%的电量，高温会加速这一过程。对于长期存放，Apple建议将iPhone充电至约50%，并每六个月重新充电一次，以防止可能永久损坏电池容量的深度放电状态。
-
夏威夷颁布AI深度伪造法；俄亥俄州数据中心投票推迟；研究AI数据中心电池风险
夏威夷已颁布新立法，以打击生成式AI的滥用，允许声誉受损的深度伪造受害者提起民事诉讼并寻求赔偿。与此同时，在俄亥俄州，一项拟议的数据中心修正案不会出现在2026年的投票中，支持者计划在2027年提交。与此同时，滑铁卢大学的研究人员正在探索为AI数据中心供电的锂离子电池相关的隐藏风险，这是由其建设的全球激增所引发的。
-
AI模型高精度预测锂离子电池放电行为
研究人员开发了一种新的深度学习流程，使用Swin3D Transformer来预测锂离子电池的放电行为，与传统的基于物理的模拟相比，显著降低了计算成本。该方法集成了高斯位置编码以获得更好的空间特征表示，以及一个专门的时间编码模块来捕捉复杂的时间序列演变。该方法在电化学模拟（ES）数据集上进行了测试，其准确性优于现有的点云基线，并为电池设计和优化提供了更高效的框架。
-
新的RoSIP-Batt框架增强了锂离子电池健康和寿命预测
研究人员开发了一个名为RoSIP-Batt的新框架，以改进锂离子电池健康状态（SOH）和剩余使用寿命（RUL）的联合预测。该方法解决了SOH估计和RUL预测的独特噪声特征平衡的挑战。RoSIP-Batt利用具有新颖不确定性加权机制的贝叶斯多任务目标，并在Transformer架构中融入旋转位置嵌入（RoPE）来模拟时间退化模式。在多个数据集上的评估表明，RoSIP-Batt显著优于现有方法，SOH估计的平均绝对误差（MAE）为1.99…
-
新AI框架利用机械信号预测锂离子电池热失控
研究人员开发了一个新的物理引导框架，通过整合机械信号与温度和电压数据来预测锂离子电池的热失控。该方法使用卷积分类器识别不同的风险状态，并使用时间卷积骨干网络处理这些信号，旨在提供更早、更可靠的预警。该系统在F1分数上达到了0.89，并显著提高了预警提前期，优于现有方法，强调了机械前兆在预测电池故障中的重要性。