人工智能赋能的新型储能材料跨尺度设计平台
技术描述
面向全固态电池等新型储能材料在原子尺度模拟上面临元素构象空间大的困难，在连续尺度模拟上面临界面拓扑结构复杂和多物理场耦合等核心问题，发展大规模材料模拟的随机分批算法，发展基于随机分批算法加速的图神经网络基础模型，建立相应数学理论；构建真实工况条件下全电池的力-电-化学等多物理场耦合模型。针对模型的计算困难，设计保结构数值格式，实现长时间稳定模拟。在此基础上，拟通过与实验结果作交叉对比分析，理解电化学储能系统内的多场耦合机制，为材料设计和优化提供理论依据。基于新模型和算法，生成储能密度、循环稳定性等材料关键性能的海量数据，研发适用于新型储能材料设计的人工智能计算平台；面向产业实际问题，基于人工智能模型逆向筛选、设计电极材料、电解质等，形成计算机辅助设计—模拟计算—实验验证的典型示范。
技术优势
核心竞争优势：在储能材料如锂离子电池中，普遍存在离子的输运、转化等涉及到长程相互作用的求解。主流软件中使用的基于FFT的PPPM或PME算法，在使用多核并行时面临由于通讯密集导致的计算效率低和扩展性瓶颈，限制了材料的大规模模拟。随机分批Ewald (RBE)是一种加速全原子体系的MD模拟的新型方法，获得了高扩展的并行效果。RBE很好地解决通信受限问题，提供了O(N)复杂度，并充分利用当前并行计算的多核架构，实现超级扩展性。运行结果表明，在利用10000个CPU核的模拟多达1亿个原子的全原子系统时，RBE能够保持95%以上的并行效率。此外，对于短程短程相互作用力计算中的内存占用高等问题，团队提出了随机分批链表算法，大幅降低了近邻粒子数量，缓解冯诺依曼瓶颈。 市场预测：采用可再生能源取代传统化石能源是实现“双碳”目标的必要途径。以锂离子电池为代表的新型储能系统是新能源战略中重要组成部分。在《“十四五”新型储能发展实施方案》中明确提出了固态锂离子电池技术作为“十四五”新型储能核心技术装备攻关重点方向之一，要加快固态锂金属电池等新一代高能量密度储能技术的研发力度，以期在固态电池理论机制、关键材料、电芯设计与制造等领域取得原始创新。然而，锂电材料具有典型的多尺度耦合特性，提升了材料设计的难度。建立跨尺度方法和材料设计平台将为锂电池关键材料研发提供重要指导依据，大幅降低研发成本和周期，具有广阔的市场。
效果指标
目标市场：1) 电池制造企业：尤其是从事锂离子电池、固态电池和其他先进储能技术研发的企业。该平台可以帮助他们优化电池材料的设计，提高电池的能量密度、循环寿命和安全性。2) 科研机构和大学：从事电化学、材料科学和储能技术研究的学术机构可利用该平台进行基础研究，加快新材料的发现和开发过程。3) 新能源汽车制造商：这些企业对于高效、长寿命电池的需求日益增加，平台可以帮助优化电池系统，提升整体性能。4) 可再生能源企业：这些企业需要高效的储能解决方案来平衡间歇性能源（如太阳能和风能）的供应与需求，该平台可以帮助开发更具成本效益和性能的储能材料。 市场规模：根据全球储能市场的预测，储能行业在未来几年内将迎来快速增长。据统计，全球储能市场规模预计将在2030年达到2000亿美元以上，年均复合增长率超过20%。其中，新型电池材料的需求将占据相当大的比例。新能源汽车市场：2023年，全球电动车市场渗透率预计达到15%，而未来十年预计将达到50%以上。电池成本占电动车总成本的30%-40%，对高效储能材料的需求将显著增加。可再生能源储能市场：随着全球范围内的能源转型，可再生能源的比例持续增长，储能作为稳定电网的重要组成部分，市场规模也在快速扩大。电网储能市场：预计到2030年，全球电网储能市场的总装机容量将达到500GW左右，这将对储能材料的需求产生巨大的推动力。 成果推广：1) 合作伙伴关系：与电池制造商、汽车制造商、能源公司及科研机构建立战略合作伙伴关系，通过联合开发和试点项目，推动平台的应用和市场接受度。2) 示范项目：通过在不同应用场景下的示范项目（如新能源汽车、智能电网、可再生能源发电厂等），展示平台的技术优势和经济效益，吸引潜在客户和投资者。3) 技术培训与服务：为用户提供平台的使用培训及技术支持，帮助客户最大限度地利用平台的功能，实现新材料的快速开发和优化。 应用示范：1) 新能源汽车领域：通过平台开发高能量密度、长寿命的电池材料，应用于电动汽车，显著提升电池性能，延长续航里程，降低成本。2) 智能电网和可再生能源领域：利用平台优化用于电网储能的材料，使得储能系统能够更高效地存储和释放电能，提高电网的可靠性和稳定性。3) 消费电子领域：开发高性能的微型电池材料，应用于智能手机、笔记本电脑、可穿戴设备等消费电子产品中，延长设备续航时间，提升用户体验。4) 科研领域：平台可用于加速新型储能材料的基础研究与开发，缩短实验周期，降低研发成本，提升研究效率。