Bitte wählen Sie den gewünschten Projektzeitraum:
- Juli 2026
- Januar 2026
- Juli 2025
- Januar 2025
- Juli 2024
- Januar 2024
- Juli 2023
- Januar 2023
- Juli 2022
- Januar 2022
- Juli 2021
- Januar 2021
- Juli 2020
- Januar 2020
- Juli 2019
- Januar 2019
- Juli 2018
- Januar 2018
- Juli 2017
- Januar 2017
- Juli 2016
- Januar 2016
- Juli 2015
- Januar 2015
- Juli 2014
- Januar 2014
- Juli 2013
- Januar 2013
- Juli 2012
- Januar 2012
- Juli 2011
- Januar 2011
- Juli 2010
- Januar 2010
- Juli 2009
- Januar 2009
- Juli 2008
- Januar 2008
- Juli 2007
- Januar 2007
- Juli 2006
- Januar 2006
- Juli 2005
- Januar 2005
- Juli 2004
- Januar 2004
- Juli 2003
- Januar 2003
- Juli 2002
- Januar 2002
- Juli 2001
- Januar 2001
Förderbeginn 01.01.2025
Entwicklung einer Simulationspipeline für Lithim-Ionen Batterieelektrolyte mit Methoden des maschinellen Lernens
Prof. Dr. Christopher J. Stein
Technische Universität München
School of Natural Science
Prof. Dr. Bingqing Cheng
University of California, Berkeley
Department of Chemistry
Li-Ionen-Batterien mit flüssigen Elektrolyten sind nach wie vor mit großem Abstand die gebräuchlichsten Energiespeichermodule für mobile Anwendungen von Smartphones bis hin zu Elektrofahrzeugen. Trotz dieses enormen kommerziellen Erfolgs besteht ein erheblicher Mangel an Verständnis der grundlegenden elektrochemischen Prozesse auf atomarer Ebene. In diesem Projekt kombinieren wir modernste maschinengelernte Potentiale mit enhanced sampling Methoden, um ein ganzheitliches Bild dieser Prozesse zu erhalten. Dieses Projekt wird ein neuartiges Simulationsprotokoll für die strukturelle Erforschung von Li-Ionen-Batterieelektrolyten auf der Grundlage genauer langreichweitiger Potenziale sowie effizienter Reaktionspfadanalyse liefern. Die in dieser Studie erzielten Ergebnisse können auf diverse Kombinationen von flüssigen Elektrolyten und Additiven übertragen werden.