Verbundvorhaben: HIBRAIN- Holistische Methode eines kombinierten daten- und modellbasierten Elektrodendesigns unterstützt durch künstliche Intelligenz; Teilvohaben: Physikalische Modellierung mit invertierbaren neuronalen Netzen
Zeitraum
2022-01-01 – 2024-12-31
Bewilligte Summe
361.667,61 EUR
Ausführende Stelle
Förderkennzeichen
03ETE039I
Leistungsplansystematik
Elektromobilität - Lithium-basierte Batterien [EA2611]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN5)
Förderprogramm
Energie
Das virtuelle Design von neuen Batterien ist eines der Ziele des langfristigen Forschungsplans BATTERY 2030+ der Europäischen Kommission. Ein wesentlicher Teil hiervon ist das Design neuer Elektroden, das bereits jetzt durch Modellierung und Simulation unterstützt wird, aber der experimentelle Teil ist immer noch dominierend in Bezug auf Zeit und Kosten. Um die Kosten und den Zeitaufwand für die Entwicklung neuer Elektrodengenerationen zu reduzieren, muss das virtuelle Design insbesondere auf der Ebene der Elektrodenmikrostruktur noch prädiktiver werden. Um also das Design neuer Elektroden durch Modellierung und Simulation besser zu unterstützen, muss ein neues Niveau der Modellgenauigkeit erreicht und ein neues Analysewerkzeug entwickelt werden, das die gesamte Erkenntniskette der Elektrodenforschung abdeckt und auf geeignete Weise experimentelle und simulierte Daten angemessen miteinander kombinieren kann. Das vorliegende Teilvorhaben adressiert diese Aufgabenstellung mit Hilfe invertierbarer neuronaler Netze. Diese Netze können sowohl vorwärts als auch rückwärts betrieben werden und eignen sich daher besonders zur Lösung inverser Probleme. Solche Probleme sind beim Batteriedesign zentral, weil man häufig aus dem beobachteten Verhalten auf die unterliegenden physikalischen Eigenschaften zurückschließen muss. Außerdem ermöglichen sie eine effiziente Bayesianische Analyse der Unsicherheit der Ergebnisse und lassen sich gut mit physikalischem Vorwissen zu hybriden Modellen verbinden. In Verbindung mit den fortgeschrittenen Simulations- und Analysemethoden der anderen Teilvorhaben wird dies dazu beitragen, das gezielte Elektrodendesign auf ein neues Level zu heben.