主要内容
自20世纪70年代以来，基于不同材料吸收系数的差异，X射线计算机断层扫描（CT）能够实现对材料的无损成像检测，对科学界产生了深远的影响。其中，最近实验室纳米级CT（nano-CT）的发展，已将电池材料成像的空间分辨率提高到50 nm体素分辨率尺寸，这是以前只有在同步辐射设备才能实现的限制。鉴于CT的非破坏性特点，原位和operando研究已成为量化电池形态参数（例如曲折因子、孔隙率、表面积和体积膨胀）的有力方法。同时，结合人工智能（AI）和机器学习（ML）分析技术，nano-CT能够准确预测模型，以分析电极微观结构对电池性能的影响或材料异质性对电化学响应的影响。
在这篇综述中，加州大学圣地亚哥分校孟颖（Ying Shirley Meng）教授，Jean-Marie Doux和Jonathan Scharf等人讨论了X射线CT和纳米CT在电池领域的应用，同时结合AI和ML分析，为多尺度CT成像技术（例如，FIB-SEM、TEM、micro-CT 和nano-CT）如何预测电池行为模型的发展提供了一个新的视角。具体来说，讨论了使X射线CT 成为适用于电池表征的先进工具的关键技术，概述了CT在各种电池化学中的优点和局限性，以及可以从实验中获得的关键形态参数，强调了通过AI和ML进行适当的数据分析和过滤以获取参数的重要性，可以大大减少3D分辨电化学模型所需的CT表征数量，并确保模拟的代表性体积。最后，探讨了X射线CT的未来发展前景。
相关论文以“Bridging nano- and microscale X-ray tomography for battery research by leveraging artificial intelligence”为题发表在Nature nanotechnology。
背景介绍
X射线计算机断层扫描（CT）作为医学和科研界是一种众所周知无损成像技术，其对比度差异源于材料不同的吸收系数。由于样品相互作用而衰减的X射线通过复杂的算法被收集、转换和重构，以产生横截面和三维（3D）图像，从而实现了对样品的形态和内部结构的无损检测。在医学领域，CT技术极大地影响了人们的健康。同时，在过去的二十年中，CT的影响已从医学领域扩展到各行各业，并极大地影响了电池系统和其他电化学设备的发展。
随着CT技术的迅速改进，基于实验室的CT系统能够实现与高亮度同步辐射光束线相似的分辨率。然而，随着CT在电化学领域的分辨率和应用不断提高，正在探索更复杂的数据集，从而激发了对先进分析技术的需求。在这其中，利用人工智能（AI）和机器学习（ML）来协助复杂数据集的分割和分析，或充当实验数据与多物理场或多尺度建模之间的桥梁。因此，AI和ML可以大大减少处理大型CT数据集所需的时间，同时精确地标记感兴趣的特征，是一种辅助CT技术的有价值工具。
图文详情
图1. CT的历史和发展趋势
图2. CT在电池领域的发展趋势
图3. 电池系统的CT分割与分析
图4. 实验断层扫描数据、电池模型和电池系统中电化学数据计算之间的关系
图5. 相关工作流分析和建模
Scharf, J., Chouchane, M., Finean, D.P. et al. Bridging nano- and microscale X-ray tomography for battery research by leveraging artificial intelligence. Nat. Nanotechnol. (2022). https://doi.org/10.1038/s41565-022-01081-9
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
