计算 案例

——【能源】

 

多领域计算案例,帮您解决计算难题

  • 40

    研发顶尖

    全球AI顶级竞赛揽获14项冠军,创造挑战赛三连冠记录

  • 20

    AI标准

    参与了近20项人工智能相关的国家及行业标准制定

  • 68+

    AI发明专利

    旷视拥有576件(含海外)已注册的人工智能相关专利

  • 103+

    行业覆盖

    通过人工智能技术作为主要驱动力,行业覆盖率过百

能源 】                  / Energy

随着能源消耗的急剧增加,以化石燃料为代表的传统能源正面临着短缺的危机,而且燃烧化石燃料所排放的二氧化碳是加快全球变暖的因素之一。电能是一种清洁的二次能源,获取与储存是电能应用过程中的关键问题。电池是一种能将电能与化学能相互转化装置,从而实现电能的储存。

 

Li离子电池在充电过程中,正极中的Li离子和电子在外电压的作用下分别通过电解质和外电路迁移到负极,实现电能储存。在放电过程中,负极中的Li离子通过电解质迁移到正极,电子通过外电路到达正极并对外输出电能。目前,除了传统的三元正极材料,人们对S和空气正极材料的关注度也在不断地上升,用于Li-S电池和Li-空气电池。另一方面,Na、K、Mg、Zn离子正在替代Li离子,尤其在大规模电能存储方面。

 

密度泛函理论能够计算不同电极材料的离子容量、电位、离子扩散能垒,催化剂对多硫化锂和氧化锂的吸附与转化,从而获得电池的容量、能量密度、高倍率循环性能等。

· 电位(voltage)曲线表征了电极在充放电过程中离子容量与电压的关系。随着离子容量的增加电压不断下降,曲线下的面积代表了电极材料能量密度。影响电位曲线的关键因素是电极材料的活性位点以及与离子的相互作用,通过掺杂改性能够调控电位曲线。

· 扩散能垒(diffusion energy barrier)体现了充放电过程中离子在电极材料中迁移的最小势垒,主要受扩散路径上势能面变化的影响。晶格结构的不完整性(缺陷、晶界)会导致较大的扩散势垒,而离子扩散势垒是导致高倍率循环容量下降的主要原因。

· 催化剂对多硫化锂的吸附(adsorption)能力直接影响着锂硫电池的穿梭效应,涉及对Li2S8、Li2S6、Li2S等中间体的吸附。另外,多硫化锂转化过程中的自由能变化是影响电池性能的关键因素,通过催化剂的筛选和活性位点的调控能够优化电池性能。

· 催化剂对锂空气电池所涉及ORR和OER的催化能力直接影响电池的性能,主要涉及对LiO2、Li2O2、Li2O等中间体的吸附(adsorption)与转化。通过催化剂的筛选和活性位点的调控能够优化电池性能。

· 静电势(electrostatic potential)反应体系中电子能量的变化,常用于描述得失电子的难易程度(功函数)、判断两种材料构成异质结构后电荷转移的方向以及价带顶和导带底的相对位置,可分析体系在光催化、太阳能电池等领域的应用价值。

· 缺陷形成能(defect formation energy)表征体系中缺陷的稳定性或者数量、电荷态、转变能级。缺陷形成能不仅与原子化学势(原子能量)有关,还受到费米能级(电子能量)的影响。通过缺陷工程(单掺、多掺)可以调控体系的电子结构、吸附性质、催化性质等。

MASA发展历程

MASA development history

  • 2006年 启动研发

    ▪ MASA的核心深度学习框架启动研发。为满足旷视日益增长的业务需求,MASA.数据管理平台启动研发。

    ▪ MegData.数据管理平台启动研发。

  • 2008年 初步形成

    ▪ MASA的核心深度学习框架启动研发。为满足旷视日益增长的业务需求,MASA.数据管理平台启动研发。

    ▪ MegData.数据管理平台启动研发。

  • 2016年 形成规模

    ▪ MASA的核心深度学习框架启动研发。

  • 2019年 快速发展

    ▪ MASA的核心深度学习框架启动研发。为满足旷视日益增长的业务需求,MASA.数据管理平台启动研发。

    ▪ MegData.数据管理平台启动研发。

  • 2021年 生产全流程服务

    ▪ MASA的核心深度学习框架启动研发。为满足旷视日益增长的业务需求,MASA.数据管理平台启动研发。

    ▪ MegData.数据管理平台启动研发。

  •  

    2006年 启动研发

    ▪ MASA的核心深度学习框架启动研发。为满足旷视日益增长的业务需求,MASA.数据管理平台启动研发。

    ▪ MegData.数据管理平台启动研发。

  •  

     

     

    2008年 初步形成

    ▪ MASA的核心深度学习框架启动研发。为满足旷视日益增长的业务需求,MASA.数据管理平台启动研发。

    ▪ MegData.数据管理平台启动研发。

  •  

    2016年 形成规模

    ▪ MASA的核心深度学习框架启动研发。

  •  

     

    2019年 快速发展

    ▪ MASA的核心深度学习框架启动研发。为满足旷视日益增长的业务需求,MASA.数据管理平台启动研发。

    ▪ MegData.数据管理平台启动研发。

  •  

     

     

    2021年 生产全流程服务

    ▪ MASA的核心深度学习框架启动研发。为满足旷视日益增长的业务需求,MASA.数据管理平台启动研发。

    ▪ MegData.数据管理平台启动研发。

人才理念及团队

Talent Concept And Team

1、我们的技术团队成员都是有着丰富理论知识和计算经验的国内外知名高校博士,并发表过高质量学术论文。

2、我们一直注重员工的个人发展,为员工设计了技术和管理双通道的发展路线,让员工在不同阶段选择最适合自己的发展路线。

联系我们,获取专享服务

专业的计算介绍,一对一客户服务

联系我们,获取尊享服务

专业的产品介绍,一对一客户服务