Learning Optimal Forms of Constitutive Relations Characterizing Ion Intercalation from Data in Mathematical Models of Lithium-Ion Batteries
Notice bibliographique
Résumé
Most mathematical models of the transport of charged species in battery electrodes require a constitutive relation describing the intercalation of lithium, which is a reversible process taking place on the interface between the electrolyte and the active particle. The most commonly used model is the Butler–Volmer relation, which gives the current density as a product of two expressions: one expression, the exchange current, depends on lithium concentration only, whereas the other expression depends on both lithium concentration and overpotential. We consider an inverse problem where an optimal form of the exchange current density is inferred, subject to minimum assumptions, from experimental voltage curves. This inverse problem is recast as an optimization problem in which the least-squares error functional is minimized with a suitable Sobolev gradient approach. The proposed method is thoroughly validated, and we also quantify the reconstruction uncertainty. Finally, we identify the universal features in the constitutive relations inferred from the data obtained during charging and discharging at different C-rates and discuss how these features differ from the behavior predicted by the standard Butler–Volmer relation. We also identify possible limitations of the proposed approach, mostly related to uncertainties inherent in the material properties assumed to be known in the inverse problem. Our approach can be used to systematically improve the accuracy of mathematical models employed to describe Li-ion batteries as well as other systems relying on the Butler–Volmer relation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».