메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
김민선 (숭실대학교) 박재정 (포항공과대학교) 김희규 (포항공과대학교) 이재준 (포항공과대학교) 이인효 (숭실대학교) 이승철 (한국과학기술원) 민경민 (숭실대학교)
저널정보
대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2023년 학술대회
발행연도
2023.11
수록면
1,306 - 1,310 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Machine learning was generated for developing highly stable cathode materials with the Ca-Ion Battery NASICON structure. The database is divided into a training set of 146,309 materials and a test set of 630 materials with newly designed NASICON structures. Employing 149 descriptors, including 147 chemical features and 2 structural features derived from the composition of each material. Random forest (RF) regressor, employed for Eform prediction, demonstrated impressive results with an R-squared of 0.916, MAE of 0.142, and RMSE of 0.351 eV/atom. Similarly, the RF classifier used for Ehull prediction exhibited an Accuracy of 0.818, AUC of 0.889, and Precision of 0.826. The optimal model was subsequently applied to predict stable materials among the 630 materials, based on the criteria of (1) Eform ＜ 0 eV/atom and (2) Ehull ＜ 0.05 eV/atom. As a result, 125 materials were identified as possessing both structural and thermodynamic stability in charge and discharge states.
#칼슘이온 배터리 (Ca-Ion Battery, CIB) #나트륨 초이온 전도체 (Sodium Superionic Conductor, NASICON) #다가 이온 (Multivalent Ions) #도핑 (Doping) #기계학습 (Machine Learning, ML) #밀도범함수이론(Density Functional Theory, DFT)

목차

Abstract
1. 서론
2. 방법론
3. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

이 논문과 함께 이용한 논문

[증권] 첫발 잘 뗀 차세대 배터리 기업 : 깔끔한 ‘따따블’…LS머트리얼즈 ‘찐’ 매력은
최창원 매경이코노미 2023 .12
차세대 모빌리티용 복합재료 배터리팩의 스웰링 해석
김종무 ,  조동현 ,  노진호 항공우주시스템공학회 학술행사 논문집 2023 .05
기계학습을 이용한 나트륨 이온 배터리 양극소재 스크리닝
김민선 ,  민경민 대한기계학회 춘추학술대회 2022 .11
기계학습 기반 리튬이온 배터리용 슈퍼 이온전도성 고체전해질 설계
강승표 ,  김민선 ,  민경민 대한기계학회 춘추학술대회 2022 .05
고성능 슈퍼 커패시터용 전극재료의 결합재가 없는 배터리 타입 나노시트로 정렬된 CuSe 나노구조의 합성
김상효 전기학회논문지 2020 .02

최근 본 자료

전체보기

댓글(0)

0